Jurnal Ticom: Technology of Information and Communication

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

Sat, 31 Jan 2026 00:00:00 +0000

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

Anisah Masyuuroh, Deni Mahdiana, Nidya Kusumawardhany — Sat, 31 Jan 2026 00:00:00 +0000

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

Muhammad Farhan Widyansyah, Bayu Waspodo — Sat, 31 Jan 2026 00:00:00 +0000

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

Nofiyani Nofiyani — Sat, 31 Jan 2026 00:00:00 +0000

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

Nino Andera, Ghofar Taufik, Giatika Chrisnawati — Sat, 31 Jan 2026 00:00:00 +0000

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.

Implementasi Sistem Rekomendasi Wisata Dengan Metode Analytical Hierarchy Process Berbasis Website Pada Kota Tengerang Selatan

Muhammad Reza Abdillah Syahik, Adam Muiz — Sat, 31 Jan 2026 00:00:00 +0000

Penelitian ini membahas tentang implementasi sistem rekomendasi tempat wisata di wilayah Tangerang dengan menggunakan metode Analytical Hierarchy Process (AHP) berbasis website. Pertumbuhan sektor pariwisata yang pesat seringkali menimbulkan kesulitan bagi wisatawan dalam menentukan destinasi yang paling sesuai di antara banyaknya pilihan yang tersedia. Metode AHP diterapkan untuk memberikan solusi pengambilan keputusan multikriteria dengan menentukan bobot prioritas dari berbagai variabel, meliputi harga tiket, jarak tempuh, kelengkapan fasilitas, dan rating pengunjung. Proses perhitungan dilakukan dengan membandingkan tiap kriteria secara berpasangan (pairwise comparison) untuk menghasilkan urutan destinasi rekomendasi yang objektif.

Implementasi Metode Collaborative Filtering untuk Sistem Rekomendasi Bengkel Motor Berbasis Web (Studi Kasus: Ciledug Tangerang)

Muhammad Dega Anwar, Abdullah Muhajir — Sat, 31 Jan 2026 00:00:00 +0000

Layanan bengkel motor merupakan kebutuhan vital bagi pengguna kendaraan bermotor, khususnya di kawasan padat penduduk seperti Ciledug, Tangerang. Di era digital saat ini, meskipun akses informasi semakin mudah, banyak pengguna masih mencari referensi bengkel melalui pencarian internet konvensional atau bertanya secara langsung. Proses ini dinilai kurang efisien karena informasi yang didapat seringkali bersifat umum dan tidak sesuai dengan preferensi atau kebutuhan spesifik individu. Di sisi lain, akumulasi data ulasan dan penilaian dari pengguna lain sebenarnya memiliki potensi besar untuk diolah menjadi informasi yang lebih berdaya guna. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sebuah sistem rekomendasi bengkel motor berbasis web dengan menerapkan metode Collaborative Filtering. Metode ini bekerja dengan menganalisis pola kemiripan antar pengguna berdasarkan riwayat penilaian (rating) untuk memberikan saran bengkel yang paling relevan. Pengembangan sistem ini menggunakan bahasa pemrograman PHP dan basis data MySQL, serta melalui tahapan pengumpulan data primer di wilayah Ciledug. Hasil dari penelitian ini adalah sebuah platform digital yang mampu mempersonalisasi rekomendasi bagi pengguna, sehingga memudahkan mereka dalam menemukan bengkel berkualitas berdasarkan pengalaman nyata pengguna lain. Selain memberikan kemudahan bagi konsumen, sistem ini juga diharapkan dapat mendorong persaingan sehat dan peningkatan kualitas layanan bagi pelaku usaha bengkel lokal di wilayah Ciledug, Tangerang.

Deteksi Berita Palsu Dwibahasa dengan Pemrosesan Bahasa Alami

Irfan Ramadhan, Eni Heni Hermaliani, Zico Pratama Putra — Sat, 31 Jan 2026 00:00:00 +0000

Mendeteksi berita palsu merupakan tantangan besar di era digital saat ini, terlebih lagi dalam konteks bilingual seperti Bahasa Indonesia dan Bahasa Inggris. Tujuan dari proyek ini adalah untuk membangun algoritma deteksi berita palsu bilateral yang akurat berdasarkan pemrosesan bahasa alami. Teknik yang digunakan adalah Naive Bayes, metode yang tidak rumit dan efektif untuk mengategorikan teks. Pendekatan penelitian meliputi pengumpulan dataset berita dalam bahasa Indonesia dan bahasa Inggris dan pra-pemrosesan teks yang meliputi normalisasi, tokenisasi, dan vektorisasi dengan metode TF-IDF. Teknik validasi silang kemudian digunakan untuk mengeksekusi dan mengevaluasi model Naive Bayes untuk menilai akurasi, presisi, dan penarikan kembali klasifikasi. Hasil eksperimen menunjukkan bahwa model ini dapat secara efektif mendeteksi berita palsu dalam kedua bahasa dengan akurasi yang kompetitif sambil menawarkan keuntungan besar yang timbul dari aspek NLP yang meningkatkan kinerja. Dalam penelitian ini, kami menunjukkan bahwa Naive Bayes adalah metode yang ringan dan andal untuk aplikasi deteksi berita palsu multibahasa