Jurnal Ticom: Technology of Information and Communication

Perancangan Sistem Informasi Jejaring Alumni untuk Mendukung Tracer Study dan Informasi Karier

2026-01-19T12:32:45+00:00

Tracer studies and career information services are essential components in evaluating graduate quality and enhancing the relevance of education to labor market demands. However, the implementation of tracer studies and the dissemination of career information are often constrained by the lack of integrated media and low alumni participation. This study aims to design and implement a web-based alumni networking information system called ALUMNET to effectively support tracer studies and career information delivery. The ALUMNET system enables alumni to register and log in, complete tracer study questionnaires, access job vacancy information and career-related events, and interact with the institution. Tracer study data collected through ALUMNET are managed by administrators via a management dashboard equipped with graphical data visualization to facilitate analysis and decision-making. The system development employed the prototype method to ensure alignment with user requirements. The results indicate that the ALUMNET alumni networking information system improves the efficiency of alumni data management, expands the reach of tracer study implementation, and provides alumni with centralized and integrated access to career information.

Prediksi Tingkat Kecanduan Media Sosial Generasi Z Menggunakan Algoritme Pso dan Decision Tree

2026-01-26T02:13:43+00:00

Tingginya penggunaan media sosial di kalangan Generasi Z dapat menyebabkan kecanduan yang sering dianggap wajar, namun berdampak negatif terhadap kesehatan mental dan produktivitas. Dampak tersebut meliputi gangguan tidur, penurunan fokus belajar maupun bekerja, serta meningkatnya kecemasan akibat perbandingan sosial di dunia maya. Beberapa individu juga mengalami ketergantungan emosional terhadap validasi digital seperti jumlah like, komentar, atau interaksi lainnya. Oleh karena itu, deteksi dini terhadap tingkat kecanduan media sosial sangat diperlukan untuk mencegah dampak jangka panjang yang merugikan, terutama bagi Generasi Z yang sangat terhubung secara digital. Penelitian ini bertujuan untuk mengestimasi tingkat kecanduan media sosial pada Generasi Z menggunakan metode Decision tree, yang dipilih karena mampu menghasilkan klasifikasi yang akurat serta model yang mudah dipahami. Metode ini bekerja dengan membagi data berdasarkan atribut-atribut relevan untuk mengenali pola perilaku digital secara sistematis. Algoritma Decision tree dioptimalkan menggunakan Particle Swarm Optimization (PSO) untuk memilih fitur paling berpengaruh dan meningkatkan performa model. Hasil penelitian menunjukkan akurasi sebesar 93,75%, recall 94,20%, dan precision 95,16%. Setelah optimasi PSO, akurasi meningkat menjadi 96,42%, recall 97,03%, dan precision 97,00%, yang menunjukkan peningkatan performa prediksi secara signifikan.

Perencanaan Strategis Sistem Informasi Menggunakan Kerangka Ward and Peppard: Studi Kasus PT Mayasari Bakti

2025-10-15T07:54:15+00:00

Guna memastikan keselarasan antara tujuan bisnis dengan implementasi teknologi, perencanaan strategis sistem informasi (PSSI) memegang peranan krusial. Studi kasus pada PT Mayasari Bakti ini dirancang untuk mengevaluasi faktor-faktor internal dan eksternal perusahaan, menganalisis rantai nilai (value chain), serta memformulasikan strategi SI/TI menggunakan kerangka Ward & Peppard yang didukung oleh analisis SWOT (IFAS & EFAS) dan McFarlan Strategic Grid. Berdasarkan analisis, diperoleh skor IFAS sebesar 2,40 dan EFAS sebesar 2,60, yang memosisikan perusahaan dalam kuadran strategi agresif. Analisis Value Chain berhasil memetakan aktivitas bisnis utama yang memerlukan dukungan sistem informasi, sementara McFarlan Grid menghasilkan portofolio aplikasi yang terkategorisasi dalam empat kuadran strategis. Studi ini menyajikan sebuah roadmap implementasi SI/TI untuk jangka pendek, menengah, dan panjang sebagai panduan transformasi digital bagi PT Mayasari Bakti.

Penerapan Metode Naive Bayes Classifier Pada Klasifikasi Berita Google Alert RSS FEEDS

2026-01-15T04:28:33+00:00

Di masa modern ini jumlah publikasi berita setiap hari semakin meningkat yang menyulitkan pengguna dalam menemukan berita yang relevan sesuai kebutuhan atau minat pengguna. Oleh karena itu, diperlukan sistem yang mampu mengelompokkan berita secara otomatis. Klasifikasi berita merupakan salah satu penerapan text mining. Proses klasifikasi ini memerlukan metode yang efektif. Salah satu metode yang sering digunakan adalah Naive Bayes Classifier, karena dapat bekerja sangat baik dan memiliki tingkat akurasi yg lebih baik dibanding model classifier lainnya. Dengan memanfaatkan data yang diperoleh dari Google Alerts RSS Feeds yang terdiri dari 80 data yang terbagi menjadi 64 data latih dan 16 data uji. Hasil evaluasi model Confusion matrix menunjukkan bahwa metode Naive Bayes Classifier (NBC) mengklasifikasikan secara benar 11 sampel dari total 16 sampel data uji dengan nilai akurasi sebesar 68,75%, nilai presisi 66,25% dan nilai recall 66,67%.

Klasifikasi Spesies Burung Dengan Ciri Morfologi Serupa Akibat Evolusi Konvergen Menggunakan CNN

2025-10-17T10:32:56+00:00

Kemiripan morfologi pada spesies burung akibat evolusi konvergen menjadi tantangan dalam klasifikasi otomatis berbasis citra. Penelitian ini bertujuan untuk mengembangkan dan menganalisis kinerja model Convolutional Neural Network (CNN) dalam membedakan spesies burung yang memiliki ciri visual serupa. CNN digunakan karena kemampuannya dalam mengekstraksi fitur citra secara efisien, bahkan pada spesies dengan perbedaan morfologi yang tipis. Evaluasi dilakukan terhadap empat spesies burung melalui pengujian utama, serta dua kelompok pasangan burung dengan kemiripan morfologi tinggi, yaitu Icterus graduacauda & Oriolus larvatus, serta Sturnella magna & Macronyx croceus. Pengujian utama menunjukkan akurasi sebesar 78%, sedangkan pada dua pasangan spesies serupa, akurasi meningkat masing-masing menjadi 80,42% dan 85%, dengan F1-score yang stabil di kisaran 80–85%. Hasil ini menunjukkan bahwa model CNN mampu membedakan spesies burung yang serupa secara visual meskipun terdapat variasi latar belakang dan posisi objek dalam dataset. Kesimpulan dari penelitian ini mengindikasikan bahwa pendekatan CNN efektif digunakan dalam klasifikasi spesies burung dengan morfologi serupa akibat evolusi konvergen, serta memiliki potensi untuk diterapkan dalam bidang konservasi, pemantauan keanekaragaman hayati, dan sistem identifikasi spesies otomatis berbasis citra.