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 1,288 Documents
 103   104   105   106   107 
Klasifikasi Intensi dengan Metode Ling Short-Term Memory pada Chatbot Bahasa Indonesia Al Farisi, Faiz Aulia; Perdana, Rizal Setya; Adikara, Putra Pandu
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 5: Oktober 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024118000

Abstract

E-government merupakan sebuah konsep pemerintahan yang menyelenggarakan layanan publik secara digital yang didukung oleh teknologi informasi, sehingga menjadi lebih prima. Salah satu bentuk layanan publik digital yang umum ada di berbagai sektor adalah helpdesk. Helpdesk memungkinkan pengguna dapat bertanya atau melaporkan sesuatu untuk kemudian dijawab oleh staf. Permasalahan yang ada adalah ketersediaan staf yang hanya dapat menjawab pada jam kerja, sedangkan pengguna bisa jadi menemukan permasalahan yang urgent di luar jam kerja. Oleh karena itu, solusi yang ditawarkan adalah penerapan chatbot, sehingga dapat melayani kapan pun, sekaligus meringankan kerja dari staf. Penelitian ini mencoba untuk merancang salah satu komponen pada chatbot, yaitu model klasifikasi intensi, dengan metode Long Short-Term Memory. Data yang digunakan merupakan 501 teks riwayat pertanyaan dari database Helpdesk TIK UB yang termasuk ke dalam 7 kelas intensi yang ditentukan. Data akan melalui beberapa tahap prapemrosesan sebelum kemudian dilakukan pemodelan dan beberapa pengujian. Tahap pengujian meliputi pemilihan embedding yang digunakan, pemilihan teknik augmentasi data, dan penyetelan hyperparameter. Hasil dari keseluruhan pengujian, didapatkan model terbaik yang mampu menghasilkan akurasi sempurna untuk data latih dan data uji, serta loss 0,004 untuk data latih dan 0,044 untuk data uji.   Abstract   E-government is a government concept that organizes digital public services supported by information technology, so that they become more excellent. One form of digital public service that is common in various sectors is the helpdesk. Helpdesk allows users to ask questions or report something to be answered by staff. The problem that exists is the availability of staff who can only answer during working hours, while users may find urgent problems outside of working hours. Therefore, the solution offered is the implementation of a chatbot, so that it can serve at any time, while easing the work of staff. This study attempts to design one of the components of the chatbot, namely the intention classification model, using the Long Short-Term Memory method. The data used are 501 question history texts from the Helpdesk TIK UB database which fall into the 7 specified intensity classes. The data will go through several pre-processing stages before then being modeled and tested. The testing phase includes selecting the embedding used, data augmentation techniques selection, and hyperparameter tuning. The best model is obtained which can produce perfect accuracy for training data and test data, as well as a loss of 0.004 for training data and 0.044 for test data.
Redesain Aplikasi Mobile Supervisi Observasi Kelas untuk Meningkatkan Tingkat Usability Amrillah, Muhammad Ifa; Rokhmawati, Retno Indah; Bachtiar, Fitra Abdurrachman
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 5: Oktober 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024118006

Abstract

Aplikasi LESON, yang kini berganti nama menjadi EDVISOR merupakan aplikasi berbasis mobile yang dikhususkan untuk merekam suasana pembelajaran dan mendukung kegiatan supervisi observasi kelas. Meskipun telah mengalami pembaharuan, pada penelitian sebelumnya mengungkapkan masih terdapat 24 permasalahan pada aplikasi yang perlu perbaikan dan pengembangan lebih lanjut. Metode Usability Testing dipilih untuk dapat mengidentifikasi permasalahan secara lebih mendalam dan memahami pengalaman pengguna dalam menggunakan aplikasi. Penelitian ini melibatkan 10 Mahasiswa dan 3 Dosen yang diberikan tugas khusus untuk menguji aplikasi. Pengujian dilakukan sebanyak 2 kali, yaitu sebelum dan setelah dilakukan perbaikan desain. Hasil observasi dan wawancara pada pengujian awal mengungkapkan adanya 42 permasalahan baru, yang kemudian menjadi dasar rekomendasi perbaikan desain. Perbaikan desain menghasilkan prototype yang mendekati hasil akhir dari aplikasi. Setelah perbaikan desain, prototype diuji kembali kepada pengguna yang sama dengan pengujian awal. Hasil pengujian menunjukkan peningkatan usability aplikasi, dengan peningkatan completion rate sebesar 13,19%, peningkatan efficiency sebesar 0,016 goals/sec, dan peningkatan satisfaction sebesar 1,21.   Abstract   The LESON application, now renamed EDVISOR, is a mobile-based application devoted to recording the learning atmosphere and supporting classroom observation supervision activities. Although it has undergone updates, previous research revealed that there are still 24 problems in the application that need further improvement and development. Usability Testing method was chosen to be able to identify problems more deeply and understand the user experience in using the application. This research involved 10 students and 3 lecturers who were given a special task to test the application. Testing was carried out twice, namely before and after design improvements were made. The results of observations and interviews in the initial test revealed 42 new problems, which then became the basis for recommendations for design improvements. Design improvements resulted in a prototype that was close to the final result of the application. After the design improvements, the prototype was tested again with the same users as the initial test. The test results showed an increase in application usability, with an increase in completion rate of 13.19%, an increase in efficiency of 0.016 goals/sec, and an increase in satisfaction of 1.21.
Klasifikasi Tingkat Stress dari Data Berbentuk Teks dengan Menggunakan Algoritma Support Vector Machine (SVM) dan Random Forest Fathirachman Mahing, Naufal; Lazuardi Gunawan, Alifi; Foresta Azhar Zen, Ahmad; Abdurrachman Bachtiar, Fitra; Agung Wicaksono, Satrio
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 5: Oktober 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024118010

Abstract

Stres merupakan keadaan dimana seseorang merasakan adanya tekanan yang berlebih pada dirinya. Pemantauan tingkat stres menjadi hal yang penting bagi manusia. Tingkat stres yang tinggi dapat menimbulkan dampak negatif terhadap kesehatan manusia. Deteksi dini stres menjadi sesuatu yang sangat penting untuk dilakukan. Salah satu cara mengetahui tingkat stres seseorang adalah melalui analisis teks. Penelitian ini dilakukan untuk melakukan klasifikasi tingkat stres berdasarkan data berupa teks menggunakan algoritma Support Vector Machine (SVM) dan Random Forest. Pada penelitian ini melakukan perbandingan beberapa metode transformasi. Transformasi yang dilakukan pada penelitian ini menggunakan TF-IDF, CountVectorizer, NRCLex, dan Word Affect Intensities. Data yang digunakan dalam penelitian ini berupa sebuat teks berbahasa Inggris yang diambil dari media sosial Twitter. Total data yang digunakan yaitu 8439 data. Pelatihan model baik untuk Support Vector Machine dan Random Forest menggunakan 6751 data. Sedangkan untuk pengujian menggunakan 1688 data. Hasil penelitian menunjukkan bahwa algoritma SVM dengan pembobotan menggunakan TF-IDF memiliki performa yang paling baik dibandingkan dengan algoritma Random Forest dan metode transformasi lainnya yang digunakan dalam penelitian. Model algoritma SVM dengan transformasi TF-IDF yang dibangun berhasil mendapatkan akurasi sebesar 84%. Model ini mendapatkan akurasi yang lebih tinggi dibanding model Random Forest yang memperoleh akurasi tinggi sebesar 80% dengan menggunakan transformasi CountVectorizer.   Abstract Stress is a condition where a person feels excessive pressure on himself. Monitoring stress levels is important for humans. High levels of stress can have a negative impact on human health. Early detection of stress is something that is very important to do. One way to find out someone's stress level is through text analysis.This research was conducted to classify stress levels based on text data using the Support Vector Machine (SVM) and Random Forest algorithms. This research compares several transformation methods. The transformation performed in this study uses TF-IDF, CountVectorizer, NRCLex, and Word Affect Intensities. The data used in this research is an English text taken from Twitter social media. The total data used is 8439 data. Model training for both Support Vector Machine and Random Forest uses 6751 data. While for testing using 1688 data. The results showed that the SVM algorithm with weighting using TF-IDF had the best performance compared to the Random Forest algorithm and other transformation methods used in the study. The SVM algorithm model with TF-IDF transformation that was built managed to get an accuracy of 84%. This model obtained a higher accuracy than the Random Forest model which obtained a high accuracy of 80% using the CountVectorizer transformation.
Optimasi Weight AHP Menggunakan Genetic Algorithm untuk Rekomendasi Platform Media Sosial Sebagai Sarana Promosi Digital Pradini, Risqy Siwi; Anshori, Mochammad; Haris, M. Syauqi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 5: Oktober 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024118011

Abstract

Tim pemasar suatu perusahaan dapat memanfaatkan media sosial untuk memperluas jangkauan pemasaran dan berinteraksi secara lebih intens dengan para pelanggan. Salah satu tantangan utama yang dihadapi tim pemasar untuk promosi digital adalah bagaimana memilih platform sosial media yang paling tepat agar dapat mencapai tujuan promosi yang optimal. Keputusan untuk memilih platform sosial media ini melibatkan sejumlah kriteria seperti content, impression, cost, look and feel, dan audience fit. Urutan rekomendasi platform media sosial sebagai sarana promosi yang dihasilkan penelitian ini adalah Facebook, Instagram, YouTube, Twitter, Pinterest, TikTok, dan LinkedIn. Urutan rekomendasi tersebut berhasil didapatkan dengan pendekatan optimasi weight Analytical Hierarchy Process (AHP) menggunakan Genetic Algorithm (GA) untuk rekomendasi platform media sosial sebagai sarana promosi digital. Optimasi yang dilakukan terbukti dapat meningkatkan keakurasian peringkat dari 95% ke 97% yang dihasilkan melalui perhitungan fitness yang menggunakan rumus Spearman Correlation. Penelitian ini juga berhasil menarik kesimpulan terkait bidang AHP-GA yang menyatakan bahwa popsize mempengaruhi nilai fitness. Semakin tinggi popsize, maka semakin besar potensi nilai fitness yang dihasilkan, namun peningkatan popsize itu sendiri tidak menjamin perolehan nilai fitness yang lebih baik sehingga perlu memikirkan faktor lainnya pula. Selain itu, semakin banyaknya jumlah generasi maka proses evolusi akan semakin sering terjadi. Tiap generasinya akan melakukan crossover dan mutasi, sehingga hal ini berpengaruh pada semakin beragamnya individu yang dihasilkan dan pada akhirnya dapat membantu menemukan solusi yang lebih baik.   Abstract A company's marketing team can use social media to expand marketing reach and interact more intensely with customers. One of the main challenges faced by marketers for digital promotion is how to choose the most appropriate social media platforms to achieve optimal promotional goals. The decision to choose a social media platform involves several criteria such as content, impression, cost, look and feel, and audience fit. The order of recommendations for social media platforms as a means of promotion resulting from this research are Facebook, Instagram, YouTube, Twitter, Pinterest, TikTok, and LinkedIn. The sequence of recommendations was successfully obtained using the weight Analytical Hierarchy Process (AHP) optimization approach using Genetic Algorithm (GA) for social media platform recommendations as a means of digital promotion. The optimization carried out was proven to increase ranking accuracy from 95% to 97% which was produced through fitness calculations using the Spearman Correlation formula. This study also succeeded in drawing conclusions related to the AHP-GA field which stated that popsize affects fitness values. The higher the popsize, the greater the potential fitness value generated, however increasing the popsize itself does not guarantee obtaining a better fitness value so you need to think about other factors as well. In addition, the greater the number of generations, the more frequently the evolutionary process will occur. Each generation will carry out crossover and mutation, so this influences the resulting more diverse individuals and can ultimately help find better solutions.
Deteksi Land Surface Temperature Menggunakan Citra Landsat: Studi Kasus Kota Jababeka dan Sekitarnya Zaky, Abdul Rohman; Suhendra, Suhendra; Arwin, Muhammad Ayub
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 5: Oktober 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024118013

Abstract

Land Surface Temperature (LST) merupakan salah satu parameter yang dapat digunakan untuk melihat dampak perubahan iklim dan lingkungan akibat perubahan tutupan dan alih fungsi lahan.  Studi kasus dilakukan di Kota Jababeka dan sekitarnya sebagai Area Of Interest (AOI) untuk mendapatkan informasi pola distribusi LST secara spasial dan temporal. Dalam kajian ini LST didapatkan dengan memanfaatkan dan mengolah thermal band pada citra Landsat multi temporal. Land Surface Emisivity (LSE) diturunkan dari NDVI (Normalized Difference Vegetation Index) dan proporsi vegetasi (PV). Nilai LSE digunakan sebagai salah satu parameter untuk menghitung LST dari citra Landsat.  Hasil kajian didapatkan bahwa kenaikan nilai rata-rata LST sebesar 3.03 ºC antara tahun 1990 dengan tahun 2000, dan terjadi penurunan nilai rata-rata LST berturut-turut pada interval periode selanjutnya yaitu sebesar 2.39 ºC antara tahun 2000 dengan tahun 2010 dan sebesar 0.54 ºC antara tahun 2010 dengan tahun 2020. Kondisi ini dipicu oleh adanya kenaikan luasan atas kerapatan vegetasi sekitar 24% dari luas daerah penelitian sepanjang periode kajian yang diketahui berdasarkan distribusi spasial NDVI dan LSE. Hasil kajian ini diharapkan dapat menjadi pertimbangan dalam pengambilan keputusan dan menentukan arah kebijakan pengelolaan dan pengembangan Kota Jababeka dan sekitarnya di masa yang akan datang.   Abstract Land Surface Temperature (LST) is one of parameters used to assess the impacts of climate and environmental changes resulting from changes in land cover and land use conversion. A case study was conducted in Kota Jababeka and its surrounding region as the Area Of Interest (AOI) to obtain information on the spatial and temporal distribution patterns of LST. In this study, LST was obtained by utilizing and processing the thermal band of Landsat multi-temporal images. Land Surface Emissivity (LSE) was derived from NDVI (Normalized Vegetation Index) and proportion of vegetation (PV). LSE value is used as one of parameter to calculate LST obtained from Landsat imagery. The study's findings revealed that the average LST increased by 3.03 ºC between 1990 and 2000, and subsequently, there were consecutive decreases in the average LST during the following time intervals: 2.39 ºC between 2000 and 2010 and 0.54 ºC between 2010 and 2020. These changes were triggered by an increase in vegetation cover of about 24% in the study area throughout the research period, as observed from the spatial distribution of NDVI and LSE. The results of this study are expected to be considered in decision-making and determining the direction of management and development in Kota Jababeka and its surrounding areas in the future.
Prediksi Detak Jantung Berbasis LSTM pada Raspberry Pi untuk Pemantauan Kesehatan Portabel Zen, Ahmad Foresta Azhar; Pramukantoro, Eko Sakti; Amron , Kasyful; Wardhani, Viera; Kamila, Putri Annisa
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 5: Oktober 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024118015

Abstract

Penyakit kardiovaskular atau cardiovascular disease (CVD) menduduki peringkat teratas penyebab kematian di dunia. Diperkirakan sekitar 17,9 juta jiwa meninggal akibat CVD pada tahun 2019, yang menyumbang sebanyak 32% dari seluruh kematian global. Penting untuk mendeteksi kelainan pada jantung sedini mungkin untuk mencegah kematian karena CVD. Peningkatan kesadaran tentang pentingnya pemantauan kesehatan diri sendiri telah mendorong perkembangan teknologi pemantauan kesehatan portabel. Dalam penelitian ini, kami mengusulkan model prediksi detak jantung berbasis Long Short-Term Memory (LSTM) dengan menggunakan fitur RR-Interval dan mengimplementasikan pada perangkat Raspberry Pi. Model berbasis LSTM merupakan salah satu jenis arsitektur jaringan saraf tiruan yang mampu menangani data berurutan dengan baik, sehingga sangat cocok untuk pemantauan dan prediksi detak jantung yang bersifat sekuensial. Raspberry Pi dikenal karena ukurannya yang kecil, harga yang terjangkau, kinerja yang andal, dan efisiensi komputasi yang baik. Raspberry Pi juga memungkinkan integrasi yang mudah dengan berbagai sensor, menjadikannya solusi yang cocok untuk pemantauan kesehatan yang portabel. Hasil penelitian ini menunjukkan bahwa model klasifikasi yang diusulkan memiliki kinerja yang baik dengan tingkat akurasi mencapai 96,66%. Implementasi inferensi pada Raspberry Pi juga menunjukkan performa yang baik, dengan waktu 4,82 detik untuk melakukan inferensi data sepanjang 100 detik, serta penggunaan memori sebesar 134,8MB.   Abstract Cardiovascular diseases (CVDs) rank as the top cause of global death. An estimated 17.9 million people succumbed to CVDs in 2019, constituting 32% of all global deaths. Detecting heart abnormalities as early as possible is crucial to prevent CVD-related fatalities. The growing awareness of the importance of self-health monitoring has driven the development of portable health monitoring technologies. In this study, we propose a Long Short-Term Memory (LSTM)-based heart beat prediction model using RR-Interval as features  and implement it on the Raspberry Pi device. LSTM models are a type of artificial neural network architecture known for their ability to handle sequential data effectively, making them highly suitable for sequential heart rate monitoring and prediction. The Raspberry Pi is renowned for its compact size, affordability, reliable performance, and efficient computational capabilities. It also enables seamless integration with various sensors, making it an ideal solution for portable health monitoring. This research show that the proposed classification model performs well, achieving an accuracy rate of 96.66%. The implementation of inference on the Raspberry Pi also demonstrates good performance, with an average inference time of 4.82 seconds for processing 100 data points and a memory usage of 134.8MB.
Implementasi Teknologi Blockchain dengan Sistem Smart Contract pada Klaim Asuransi Baihaqsani; Trisnawan, Primantara Hari; Kusyanti, Ari
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 5: Oktober 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024118016

Abstract

Perkembangan sistem klaim pada asuransi di Indonesia umumnya masih menerapkan pengajuan klaim dengan menggunakan sistem secara manual dengan metode cashless dan reimbursement. Penerapan sistem klaim pada asuransi tersebut memiliki proses administrasi yang cukup panjang sehingga dapat memakan waktu yang lama dan penerapan sistem tersebut tidak dapat memberikan proses tranparansi transaksi pada klaim asuransi. Dengan permasalahan tersebut dapat menimbulkan permasalahan terkait dengan keamanan informasi berupa integritas data, kerahasiaan data, dan transparansi data pada klaim asuransi. Penelitian ini mengusulkan pengembangan sistem klaim pada asuransi yang dapat dilakukan secara online dengan menerapkan teknologi blockchain. Teknologi blockchain menggunakan sistem penyimpanan data dengan menerapkan sistem desentralisasi aplikasi yang berfungsi untuk memberikan kendali penuh terhadap pengguna atas data mereka dengan tidak adanya perantara terpusat. Dengan menerapkan desentralisasi aplikasi tersebut dapat diwujudkan integritas, kerahasiaan dan transparansi transaksi pada klaim asuransi. Penelitian ini mengajukan usulan implementasi teknologi blockchain dengan sistem smart contract pada proses klaim asuransi untuk dijadikan solusi terhadap masalah yang terdapat pada proses klaim asuransi.   Abstract The development of the insurance claim system in Indonesia generally still applies the submission of claims using a manual system with cashless and reimbursement methods. The application of the insurance claim system has a fairly long administrative process that can take a long time and the application of the system cannot provide a transparent transaction process for insurance claims. With these problems can cause problems related to information security in the form of data integrity, data confidentiality, and data transparency on insurance claims. This research proposes the development of an insurance claim system that can be done online by applying blockchain technology. Blockchain technology uses a data storage system by implementing a decentralized application system that functions to give users full control over their data in the absence of a centralized intermediary. By implementing a decentralized application, integrity, confidentiality and transaction transparency in insurance claims can be realized. This study proposes the implementation of blockchain technology with a smart contract system in the insurance claim process to be used as a solution to problems in the insurance claim process
Analisis Forensik Digital untuk Investigasi Kasus Cyberbullying pada Media Sosial Tiktok Mikayla, Halimah Septya; Trisnawan, Primantara Hari; Kusyanti, Ari
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 5: Oktober 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024118017

Abstract

TikTok merupakan media sosial yang populer digunakan pada masa kini. Media sosial TikTok yang populer di kalangan pengguna menjadi salah satu media yang banyak ditemui jenis kejahatan siber cyberbullying. Kasus cyberbullying pada media sosial TikTok dapat ditindak secara hukum yakni dengan dilakukan investigasi forensik digital. Penelitian ini dilakukan untuk mengumpulkan dan menganalisis bukti digital kasus cyberbullying pada TikTok android dan juga TikTok web dengan melakukan skenario kasus serta menerapkan model investigasi forensik digital yang berfokus pada jejaring sosial. Fase skenario terdiri dari persiapan, perancangan, serta pelaksanaan. Data dari skenario ini kemudian dilakukan forensik digital fase dengan tahapan-tahapan berikut: planning, reconnaissance, collection, transport, examination, identification, analysis, classification, reporting, dan presentation. Penelitian ini berhasil mendapatkan bukti-bukti digital untuk membuktikan kasus cyberbullying yang dieksperimenkan dengan skenario serta dengan model investigasi forensik digital yang diterapkan. Didapatkan hasil perbandingan yang signifikan pada perbedaan antara bukti digital TikTok android dan TikTok web. Secara keseluruhan, penelitian ini berhasil memperoleh barang bukti digital dengan persentase sebesar 68,8% dari perbandingan data awal skenario dengan data ditemukan dari hasil forensik digital.   Abstract TikTok is currently a widely popular social media platform among users and is also a media where various forms of cyberbullying are encountered. Cases of cyberbullying on TikTok can be subject to legal prosecution through digital forensic investigations. This research aims to collect and analyze digital evidence related to cyberbullying cases on TikTok's Android and Website platforms. It involves the creation of case scenarios and the application of a digital forensic investigative model specifically focused on social networks. The scenario phase encompasses preparation, design, and implementation. Data obtained from these scenarios is subsequently subjected to a digital forensics phase, consisting of these stages: planning, reconnaissance, collection, transport, examination, identification, analysis, classification, reporting, and presentation. This research successfully obtained digital evidence that substantiates cases of cyberbullying, as simulated in the scenarios and investigated using the applied digital forensic model. Significant differences were observed in the digital evidence between TikTok on Android and TikTok on the web. In summary, this study achieved a 68.8% match between the initial scenario data and the data retrieved through digital forensics, ultimately obtaining valuable digital evidence.
Inovasi Rancangan Aplikasi Gizi Nutrief dalam Optimalisasi Asupan Gizi Menggunakan Pendekatan Design Thinking Ainun Nisa Sofia Nur Rohma Faiza, Irsa; Tolle, Herman; Cahya Astriya Nugraha, Dwi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 5: Oktober 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024118020

Abstract

Pola makan yang tidak sehat berpotensi menyebabkan gangguan gizi, seperti status gizi lebih atau status gizi kurang. Maka, penting mangatur dan memantau pola makan sehat sehingga memperoleh asupan gizi seimbang. Namun, kesulitan yang dialami oleh masyarakat dalam memahami status gizi dan mengontrol pola makan. Maka, dibutuhkan suatu aplikasi yang dapat membantu dalam memantau asupan kalori, memantau jumlah asupan makanan sesuai kebutuhan, serta aplikasi yang menyediakan layanan untuk konsultasi dengan ahli gizi. Metode yang digunakan dalam perancangan aplikasi yaitu, design thinking. Metode design thinking dipilih dibandingkan metode lain seperti user-centered design ataupun human-centered design karena metode tersebut berfokus pada perspektif pengguna akhir. Sedangkan, metode design thinking fokus pada pendekatan berdasarkan empati terhadap pengguna dan dapat menemukan solusi inovatif. Hasil pengujian usability pada aspek efektivitas oleh pengguna teregistrasi sebesar 97,78%, dan ahli gizi sebesar 95,7%. Pada aspek efisiensi memperoleh hasil 0,049 goals/sec. Kemudian, aspek kepuasan dengan menggunakan kuesioner System Usability Scale (SUS) memperoleh hasil 79,5 oleh pengguna teregistasi, dan 89 oleh ahli gizi. Hasil pengujian user experience menggunakan user experience questionnaire (UEQ) memperoleh hasil 2,65 pada aspek daya tarik, 2,60 pada aspek kejelasan, 2,58 pada aspek efisiensi, 2,50 pada aspek ketepatan, 1,30 pada aspek stimulasi, dan 2,43 pada aspek kebaruan. Semua aspek mendapatkan hasil exellent, kecuali satu aspek, yaitu aspek stimulasi mendapatkan hasil above average.   Abstract Unhealthy eating habit can result in nutritional disorders, such us overweight, or malnutrition. So, it is important to manage and monitor a healthy eating habit so get a balanced nutrition intake. However, the difficulties experienced by the community in understanding nutrition status and controlling eating habit. So, an application is needed that can help monitor calorie intake, monitor the amount of food intake as needed, as well as an application that provides services for consulting with a nutritionist. The method used in application design is design thinking. The design thinking method was chosen over other methods such as user-centered design or human-centered design because these methods focus on the end-user perspective.  Meanwhile, the design thinking method focuses on an empathy-based approach to users and being able to find innovative solutions. The results of usability testing on the effectiveness aspect by registered users were 97.78%, and nutritionists were 95.7%. On the efficiency aspect, the result is 0.049 goals/sec. Then, aspects of satisfaction using the System Usability Scale (SUS) questionnaire obtained 79.5 for registered users, and 89 for nutritionists. The results of user experience testing using the user experience questionnaire (UEQ) obtained 2.65 on the attractiveness aspect, 2.60 on the clarity aspect, 2.58 on the efficiency aspect, 2.50 on the accuracy aspect, 1.30 on the stimulation aspect, and 2.43 on the novelty aspect. All aspects get excellent results, except for one aspect, namely the stimulation aspect gets above average results.
Pengembangan Aplikasi Fokus Timer Dengan Tracking Penggunaan Smartphone Menggunakan Pendekatan Gamifikasi Mohammad Hamka, Dava; Fanani, Lutfi; Hendra Brata, Adam
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 11 No 5: Oktober 2024
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2024118022

Abstract

Smartphone telah menjadi bagian tak terpisahkan dari kehidupan manusia. Namun, penggunaan berlebihan dari smartphone dapat membawa dampak negatif dan dapat merugikan penggunanya seperti penurunan fungsi kognitif dan adiksi yang menyebabkan pengguna dapat gagal fokus. Penelitian ini bertujuan untuk mengurangi kurangnya fokus pada remaja baik pelajar SMP, SMA, dan mahasiswa dengan mengimplementasikan sistem fokus timer pomodoro dengan tracking penggunaan smartphone sesuai analisis kebutuhan yang dilakukan terlebih dahulu. Analisa kebutuhan yang dilakukan menitikberatkan pada pembangunan perangkat lunak dengan menentukan kebutuhan pengguna lewat penggalian kebutuhan menggunakan kuisoner yang dilakukan oleh 50 orang dan wawancara terhadap 8 orang. Penelitian ini mengadaptasi metode waterfall dengan tahapan studi kepustakaan, analisis kebutuhan, perancangan, implementasi, pengujian dan analisa, serta kesimpulan dan saran. Pada setiap tahapannya, diintegrasikan konsep gamifikasi sebagai konsep untuk memicu pengguna agar terus menggunakan aplikasi. Digunakan pengembangan cross-platform untuk mempermudah peneliti dalam melakukan pengembangan pada Android. Sistem diuji menggunakan pengujian blackbox menggunakan uji validasi dengan hasil keberhasilan 100%, pengujian usability menggunakan kuisoner SUPR-Qm dengan skor 84,87, dan pengujian compatibility dengan kompatibilitas aplikasi bisa dijalankan pada Android dengan API level 21 sampai API level 29.   Abstract Smartphones have become an inseparable part of human life. However, excessive use of smartphones can have negative impacts and can harm users such as decreased cognitive function and addiction which causes users to fail to focus. This study aims to reduce the lack of focus on adolescents, both junior high school, high school, and university students by implementing a pomodoro focus timer system by tracking smartphone usage according to the needs analysis that was carried out beforehand. The software development analysis involved identifying user needs through a questionnaire and interviews with 50 and 8 individuals, respectively.. This research adapts the waterfall method with the stage of literature study, analysis needs, design, implementation, testing and analysis, as well as conclusions and suggestions. At each stage, the concept of gamification is integrated as a concept to trigger users to continue using the application. Cross-platform development is used to make it easier for researchers to develop on Android. The system was tested using blackbox testing using a validation test with 100% success results, usability testing using the SUPR-Qm questionnaire with a score of 84,87, and compatibility testing with application compatibility running on Android with API level 21 to API level 29.

Page 105 of 129 | Total Record : 1288

 103   104   105   106   107 

Filter by Year

2014 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