cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agung Setia Budi
Contact Email
agungsetiabudi@ub.ac.id
Phone
+62341-577911
Journal Mail Official
jtiik@ub.ac.id
Editorial Address
Fakultas Ilmu Komputer Universitas Brawijaya Gedung F FILKOM Lt. 8, Ruang BPJ Jalan Veteran No. 8 Malang Indonesia - 65145
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Teknologi Informasi dan Ilmu Komputer
Published by Universitas Brawijaya
ISSN : 23557699     EISSN : 25286579     DOI : http://dx.doi.org/10.25126/jtiik
Core Subject : Science, Engineering,
Computer Science & IT Engineering
Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) merupakan jurnal nasional yang diterbitkan oleh Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya (UB), Malang sejak tahun 2014. JTIIK memuat artikel hasil-hasil penelitian di bidang Teknologi Informasi dan Ilmu Komputer. JTIIK berkomitmen untuk menjadi jurnal nasional terbaik dengan mempublikasikan artikel berbahasa Indonesia yang berkualitas dan menjadi rujukan utama para peneliti. JTIIK di akreditasi oleh Kementerian Riset, Teknologi, dan Pendidikan Tinggi Republik Indonesia Nomor: 36/E/KPT/2019 yang berlaku sampai dengan Volume 11 Nomor 2 Tahun 2024.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 25 Documents
 1   2   3 
Search results for , issue "Vol 12 No 6: Desember 2025" : 25 Documents clear
Implementasi Indeks KAMI di Universitas XYZ Gumelar, Muhamad Agung; Widi Nugroho, Handoyo; Hasibuan, M. Said
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 6: Desember 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025126

Abstract

Indeks KAMI (Keamanan Informasi) merupakan alat bantu evaluasi yang disusun oleh Badan Siber dan Sandi Negara (BSSN) untuk menilai tingkat kesiapan dan kematangan implementasi keamanan informasi di suatu institusi. Penelitian ini bertujuan untuk mengimplementasikan Indeks KAMI di Universitas XYZ sebagai bagian dari upaya pemetaan dan pengelolaan risiko teknologi informasi (IT Risk Management) secara sistematis dan terukur. Pendekatan penelitian dilakukan dengan menggunakan metode deskriptif kualitatif melalui studi kasus, yang berfokus pada lima domain utama Indeks KAMI: Tata Kelola, Pengelolaan Risiko, Kerangka Kerja, Pengelolaan Aset, serta Teknologi dan Keamanan. Proses pengumpulan data dilakukan melalui observasi, wawancara terstruktur, dan pengisian instrumen penilaian sesuai dengan pedoman yang ditetapkan oleh BSSN. Hasil evaluasi menunjukkan bahwa tingkat kesiapan keamanan informasi Universitas XYZ berada pada skor total 176, yang tergolong dalam kategori rendah dan belum layak sertifikasi ISO/IEC 27001. Skor terendah terdapat pada domain Pengelolaan Risiko 17 serta Skor tertinggi pada domain Pengelolaan Aset 51 adapun untuk domain Tata Kelola 26, Kerangka Kerja 34, Teknologi dan Keamanan 48, yang menunjukkan perlunya pembenahan dalam aspek kebijakan, prosedur, serta pelaksanaan manajemen risiko. Penelitian ini memberikan gambaran awal mengenai posisi keamanan informasi dan merekomendasikan langkah-langkah prioritas dalam penguatan tata kelola keamanan, pembentukan kebijakan keamanan, serta peningkatan kesadaran dan kapasitas SDM dalam bidang keamanan informasi.   Abstract The KAMI Index (Information Security Index) is an evaluation tool developed by the National Cyber and Crypto Agency (BSSN) of Indonesia to assess the readiness and maturity level of information security implementation within institutions. This study aims to implement the KAMI Index at Universitas XYZ as a systematic and measurable approach to Information Technology Risk Management. A descriptive qualitative approach was employed using a case study method, concentrating on the five primary domains of the KAMI Index: Governance, Risk Management, Framework, Asset Management, and Technology and Security. Data collection was carried out through structured interviews, observations, and scoring based on BSSN’s official assessment instruments. The results revealed that scored a total of 176, indicating a low level of readiness and immaturity in information security, which is considered insufficient for ISO/IEC 27001 certification. The lowest scores were found in Risk Management domains 17, and the highest score in the Asset Management domain is 51, while for the Governance domain is 26, the Framework is 34, and Technology and Security is 48,  highlighting the need for improvements in policies, procedures, and risk mitigation practices. This study provides an initial overview of the state of information security at and offers strategic recommendations for enhancing governance structures, developing formal security policies, and strengthening institutional awareness and human resource capacity in information security practices.
Aplikasi Mobile Augmented Reality Tanpa Marker pada Perawatan Pasien Penyakit Jantung Herman, Herman; Pidekso Putro, Aldibangun; Biddinika, Muhammad Kunta
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 6: Desember 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025126

Abstract

Penelitian ini bertujuan merancang dan mengembangkan aplikasi Augmented Reality (AR) markerless berbasis Android bernama HerManAR (Heart of Human) yang ditujukan untuk mendukung perawatan pasien penyakit jantung. Aplikasi ini dirancang untuk menampilkan model 3D jantung manusia secara interaktif, sekaligus menyajikan informasi kondisi jantung pasien secara real-time. Metode pengembangan yang digunakan adalah Multimedia Development Life Cycle (MDLC), yang meliputi tahapan konseptualisasi, desain, pengumpulan materi, perakitan, pengujian, dan distribusi. Hasil penelitian menunjukkan bahwa aplikasi HerManAR berhasil berjalan dengan baik pada perangkat Android dan mampu memberikan visualisasi 3D jantung yang akurat serta informasi medis yang relevan. Dengan antarmuka yang intuitif dan mudah digunakan, aplikasi ini memungkinkan tenaga kesehatan untuk menganalisis kondisi jantung pasien secara lebih efektif, mendukung proses pengobatan, tindakan medis, dan monitoring berkelanjutan. Kesimpulannya, HerManAR merupakan solusi inovatif yang mengintegrasikan teknologi AR dalam bidang kesehatan kardiovaskular, memberikan manfaat praktis dalam meningkatkan kualitas layanan dan pengelolaan pasien penyakit jantung.   Abstract This study aims to design and develop an Android-based Augmented Reality (AR) application called HerManAR (Heart of Human) to support the care of patients with heart disease. The application is designed to display an interactive 3D model of the human heart while providing real-time information about the patient’s heart condition. The development method used is the Multimedia Development Life Cycle (MDLC), which includes the stages of conceptualization, design, material collection, assembly, testing, and distribution. The results demonstrate that HerManAR runs effectively on Android devices, delivering accurate 3D heart visualization and relevant medical information. With an intuitive and user-friendly interface, the application enables healthcare professionals to analyze patients’ heart conditions more effectively, supporting treatment, medical interventions, and continuous monitoring. In conclusion, HerManAR is an innovative solution that integrates AR technology into cardiovascular healthcare, offering practical benefits in enhancing service quality and patient management.  
Analisis Peramalan Permintaan Produk dengan Algoritma Backpropagation Neural Network Pada PT Herba Emas Wahidatama Karlina Jati, Putri; Wahyuning Laily, Dona; Harya, Gyska Indah
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 6: Desember 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025126

Abstract

PT Herba Emas Wahidatama menghadapi tantangan dalam permasalahan stok yang tidak seimbang, seperti kelebihan dan kekurangan stock akibat dari permintan yang bervariasi, mulai dari produk dengan permintaan tinggi (fast moving), permintaan stabil (reguler), dan permintaan rendah (slow moving). Untuk mengtasi permasalahan tersebut digunakan metode peramalan permintaan produk dengan algoritma backpropagation neural network dengan data historis permintaan tahun 2021 – 2023. Hasil peramalan menunjukkan bahwa model algoritma backpropagation neural network memiliki akurasi dengan nilai MAPE yang rendah dan efektifitas peramalan yang baik. namun permintaan produk tinggi dan rendah dapat di prediksi dengan sangat akurat. Hasil ini menunjukkan bahwa algoritma backpropagationn neural network dapat digunakan untuk meramalkan permintaan yang lebih akurat dan memebnatu perusahaan dalam mengatur persediaan secara efisien dan menghindari kekurangan atau kelebihan stock.   Abstract PT Herba Emas Wahidatama faces challenges related to unbalanced stock, including excess and shortages, due to varying demand. This demand ranges from products with high demand (fast-moving), to stable demand (regular), and low demand (slow-moving). To overcome this issue, a product demand forecasting method is employed using the backpropagation neural network algorithm, which utilizes historical demand data from 2021 to 2023. The forecasting results indicate that the backpropagation neural network algorithm model demonstrates accuracy with a low MAPE value and good forecasting effectiveness. However, both high and low product demand can be predicted with great accuracy. These results suggest that the backpropagation neural network algorithm can be used for more accurate demand forecasting and can help companies manage inventory efficiently, avoiding shortages or excess stock.
Dilation Layer Menggunakan EfficientNetV2 untuk Mendeteksi Penyakit Retinopati Diabetik Mukhlishah, Aiman; Utami, Ema
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 6: Desember 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025126

Abstract

Diabetic Retinopathy (DR) merupakan salah satu komplikasi serius akibat diabetes melitus yang dapat menyebabkan kebutaan jika tidak dideteksi dan ditangani secara dini. Deteksi otomatis berbasis citra fundus retina telah menjadi fokus utama dalam penelitian deep learning. Namun, fitur-fitur kecil seperti mikroaneurisma dan lesi halus seringkali sulit dikenali, terutama pada citra dengan kualitas rendah. Penelitian ini mengusulkan modifikasi arsitektur EfficientNetV2 dengan menambahkan dilation layer guna meningkatkan kemampuan model dalam menangkap fitur kontekstual dengan cakupan spasial yang lebih luas tanpa menambah kompleksitas secara signifikan. Dilated convolution memungkinkan perluasan receptive field tanpa mengurangi resolusi spasial, sehingga lebih efektif dalam mendeteksi fitur-fitur kritis pada DR. Pengujian dilakukan menggunakan dataset APTOS 2019 Blindness Detection yang menyediakan citra fundus retina beranotasi untuk lima tingkat keparahan DR. Model dilatih menggunakan optimizer Adam dengan learning rate sebesar 0,001 untuk mencapai konvergensi yang optimal. Evaluasi dilakukan terhadap beberapa varian EfficientNetV2, yaitu B0, B1, B2, B3, dan S. Hasil eksperimen menunjukkan bahwa model EfficientNetV2-B0 dan B1 memberikan akurasi terbaik, masing-masing sebesar 97,14%. Di antara keduanya, EfficientNetV2-B0 menghasilkan nilai presisi dan f1-score yang lebih tinggi. Temuan ini menunjukkan bahwa integrasi dilation layer pada arsitektur EfficientNetV2 berpotensi meningkatkan performa sistem klasifikasi DR otomatis secara signifikan dibandingkan model baseline tanpa modifikasi.   Abstract Diabetic Retinopathy (DR) is a serious complication of diabetes mellitus that can lead to blindness if not detected and treated early. Automated detection based on retinal fundus images has become a primary focus in deep learning research. However, small features such as microaneurysms and subtle lesions are often difficult to identify, particularly in low-quality images. This study proposes a modification to the EfficientNetV2 architecture by incorporating dilation layers to enhance the model’s ability to capture contextual features over a broader spatial range without significantly increasing complexity. Dilated convolutions allow the expansion of the receptive field without reducing spatial resolution, making them more effective in detecting critical features associated with DR. The evaluation was conducted using the APTOS 2019 Blindness Detection dataset, which provides annotated retinal fundus images across five levels of DR severity. The model was trained using the Adam optimizer with a learning rate of 0.001 to achieve optimal convergence. The study assessed several variants of EfficientNetV2 - B0, B1, B2, B3, and S. Experimental results indicate that the EfficientNetV2-B0 and B1 models achieved the highest accuracy, each reaching 97.14%. Among these, EfficientNetV2-B0 yielded higher precision and F1-score values. These findings suggest that integrating dilation layers into the EfficientNetV2 architecture can significantly enhance the performance of automated DR classification systems compared to the unmodified baseline models.
Identifikasi Pola Komunikasi dan Kepribadian Siswa Sekolah Luar Biasa (SLB) Melalui Analisis Konten Media Sosial dengan Metode Anova dan K-Means Galih Cahyaningsih, Agung Ukki; Candiasa, I Made; Gunadi, I Gede Aris
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 12 No 6: Desember 2025
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2025126

Abstract

Penelitian ini dilakukan untuk menganalisis pola komunikasi siswa Sekolah Luar Biasa (SLB) melalui aplikasi WhatsApp serta mengidentifikasi kecenderungan kepribadian mereka berdasarkan aktivitas komunikasi digital. Metode yang digunakan adalah clustering K-Means dengan tiga indikator utama: waktu respons, panjang pesan, dan frekuensi pesan untuk mengelompokkan siswa ke dalam tiga tipe kepribadian, yaitu introvert, ambivert, dan ekstrovert. Data penelitian diperoleh dari 102 siswa SLB melalui hasil penambangan pesan WhatsApp. Kualitas klaster divalidasi menggunakan Davies-Bouldin Index (DBI) dengan nilai 0,9095, yang menunjukkan bahwa hasil pengelompokan cukup baik, dengan pemisahan antar klaster yang jelas dan tingkat homogenitas internal yang tinggi. Selain itu, dilakukan analisis korelasi menggunakan metode Spearman Rank-Order untuk mengetahui hubungan antara pola komunikasi dan kepribadian siswa. Hasil uji korelasi menunjukkan koefisien ρ sebesar 0,187 dengan nilai signifikansi 0,060, yang berarti terdapat hubungan positif namun tidak signifikan secara statistik. Dengan demikian, pola komunikasi digital dapat memberikan indikasi awal mengenai kecenderungan kepribadian siswa, tetapi belum dapat dijadikan dasar prediksi yang kuat.   Abstract This study was conducted to analyze the communication patterns of Special Needs School (SLB) students through the WhatsApp application and to identify their personality tendencies based on digital communication activities. The method used was K-Means clustering with three main indicators response time, message length, and message frequency to categorize students into three personality types: introvert, ambivert, and extrovert. The research data were obtained from 102 SLB students through WhatsApp message mining. The quality of the clusters was validated using the Davies-Bouldin Index (DBI), which produced a value of 0.9095, indicating that the clustering results were sufficiently good, with clear separation between clusters and high internal homogeneity. In addition, a correlation analysis using the Spearman Rank-Order method was conducted to examine the relationship between communication patterns and student personality. The results showed a correlation coefficient (ρ) of 0.187 with a significance value of 0.060, indicating a positive but statistically insignificant relationship. Therefore, digital communication patterns can provide an initial indication of students’ personality tendencies but cannot yet serve as a strong predictive basis.

Page 3 of 3 | Total Record : 25

 1   2   3 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 12 No 6: Desember 2025 Vol 12 No 5: Oktober 2025 Vol 12 No 4: Agustus 2025 Vol 12 No 3: Juni 2025 Vol 12 No 2: April 2025 Vol 12 No 1: Februari 2025 Vol 11 No 6: Desember 2024 Vol 11 No 5: Oktober 2024 Vol 11 No 4: Agustus 2024 Vol 11 No 3: Juni 2024 Vol 11 No 2: April 2024 Vol 11 No 1: Februari 2024 Vol 10 No 6: Desember 2023 Vol 10 No 5: Oktober 2023 Vol 10 No 4: Agustus 2023 Vol 10 No 3: Juni 2023 Vol 10 No 2: April 2023 Vol 10 No 1: Februari 2023 Vol 9 No 7: Spesial Issue Seminar Nasional Teknologi dan Rekayasa Informasi (SENTRIN) 2022 Vol 9 No 6: Desember 2022 Vol 9 No 5: Oktober 2022 Vol 9 No 4: Agustus 2022 Vol 9 No 3: Juni 2022 Vol 9 No 2: April 2022 Vol 9 No 1: Februari 2022 Vol 8 No 6: Desember 2021 Vol 8 No 5: Oktober 2021 Vol 8 No 4: Agustus 2021 Vol 8 No 3: Juni 2021 Vol 8 No 2: April 2021 Vol 8 No 1: Februari 2021 Vol 7 No 6: Desember 2020 Vol 7 No 5: Oktober 2020 Vol 7 No 4: Agustus 2020 Vol 7 No 3: Juni 2020 Vol 7 No 2: April 2020 Vol 7 No 1: Februari 2020 Vol 6 No 6: Desember 2019 Vol 6 No 5: Oktober 2019 Vol 6 No 4: Agustus 2019 Vol 6 No 3: Juni 2019 Vol 6 No 2: April 2019 Vol 6 No 1: Februari 2019 Vol 5 No 6: Desember 2018 Vol 5 No 5: Oktober 2018 Vol 5 No 4: Agustus 2018 Vol 5 No 3: Juni 2018 Vol 5 No 2: April 2018 Vol 5 No 1: Februari 2018 Vol 4 No 4: Desember 2017 Vol 4 No 3: September 2017 Vol 4 No 2: Juni 2017 Vol 4 No 1: Maret 2017 Vol 3 No 4: Desember 2016 Vol 3 No 3: September 2016 Vol 3 No 2: Juni 2016 Vol 3 No 1: Maret 2016 Vol 2, No 2 (2015) Vol 2 No 2: Oktober 2015 Vol 2, No 1 (2015) Vol 2 No 1: April 2015 Vol 1, No 2 (2014) Vol 1 No 2: Oktober 2014 Vol 1, No 1 (2014) Vol 1 No 1: April 2014 More Issue