INTEK : Jurnal Informatika dan Teknologi Informasi

Implementasi Aplikasi Berbasis Web untuk Pelaporan Kegiatan dan Proyek Pembangunan Desa Menggunakan Metodologi Agile

2025-11-28T03:54:42+07:00

Reporting on village activities and development projects plays a crucial role in ensuring that each project runs effectively and in accordance with established plans. Until now, the reporting process has been carried out manually through the WhatsApp application and by processing data using Excel. This approach is considered inefficient, prone to errors, and slows down the eval_uation and decision-making process, thereby hindering the overall optimization of village development. This study aims to develop a web-based information system for reporting village activities and development projects in order to enhance the effectiveness and efficiency of the reporting process. The development model employed is Agile, with stages including software requirements analysis, system design, program coding, and system maintenance. The system is equipped with features such as real-time monitoring, development report management, activity photo documentation, village event data management, user authentication, and report approval functionality. The implementation results show that the system is capable of simplifying the reporting process, accelerating data processing, improving recording accuracy, minimizing the risk of manual input errors, and enabling real-time project monitoring. The existence of this system makes the workflow of village staff more efficient and productive, supports information transparency, and accelerates data-driven decision-making, ultimately contributing to the advancement of village development.

Penerapan K-Medoids Clustering Pada Data Penerima Program Z-Auto BAZNAS Jawa Timur dengan Metode eval_uasi Elbow

2025-11-28T03:54:52+07:00

Penelitian ini bertujuan untuk menganalisis status penerima Program Z-Auto di BAZNAS Provinsi Jawa Timur dengan menggunakan metode K-Medoids Clustering. Program Z-Auto merupakan inisiatif BAZNAS untuk memberdayakan mustahik di bidang otomotif melalui bantuan modal, pelatihan, dan peralatan usaha bengkel. Data penelitian berupa 445 data pendaftar program dengan atribut yang dipilih usia, jenis usaha, pendapatan, dan pengeluaran bulanan. Dengan banyaknya data pendaftar dengan karakteristik yang beragam sehingga sulit untuk dianalisis secara manual, terutama dalam menentukan kelompok mustahik yang memiliki kondisi ekonomi serupa. Tanpa analisis berbasis data, proses seleksi berpotensi tidak objektif dan kurang tepat sasaran. Oleh karena itu, penelitian ini menerapkan clustering seperti K-Medoids untuk mengelompokkan data penerima secara lebih sistematis dan terukur. Alur penelitian dimulai dari tahapan data selection, data preprocessing, data transformation, data mining, dan eval_uasi. Proses data mining menggunakan metode K-medoids sebagai metode clustering yang kemudian dieval_uasi menggunakan Elbow Method dan Silhouette Score untuk mendapatkan jumlah cluster terbaik. Hasil penelitian menunjukkan bahwa data penerima terbagi menjadi tiga cluster utama: (1) kelompok usia lebih tua dengan pendapatan dan pengeluaran rendah, (2) kelompok dengan kondisi ekonomi sedang, dan (3) kelompok usia lebih muda dengan pendapatan serta pengeluaran relatif tinggi. eval_uasi dengan Silhouette Score memberikan hasil yang cukup baik (0,7134). Penelitian ini menunjukkan bahwa K-Medoids clustering dapat membantu BAZNAS dalam meningkatkan ketepatan distribusi bantuan secara objektif dan transparan.

Pengukuran Kinerja Sistem Informasi Manajemen Kepegawaian Berdasarkan Model Human-Organization-Technology Fit

2025-11-28T03:55:09+07:00

Sistem Informasi Manajemen Kepegawaian (SIMPEG) memegang peranan strategis dalam mendukung transformasi digital pengelolaan sumber daya manusia di sektor kesehatan. Implementasi SIMPEG di rumah sakit bertujuan untuk meningkatkan efisiensi, efektivitas, dan akurasi dalam pengelolaan data kepegawaian. Penelitian ini bertujuan mengeval__uasi kinerja SIMPEG dengan menggunakan Human-Organization-Technology (HOT) Fit Model, yang menilai kesesuaian antara dimensi manusia, organisasi, dan teknologi dalam memaksimalkan manfaat sistem informasi. Metode penelitian yang digunakan adalah pendekatan kuantitatif dengan instrumen kuesioner, yang disebarkan kepada 100 responden pengguna SIMPEG di lingkungan rumah sakit. Data dianalisis menggunakan uji regresi linier berganda untuk mengidentifikasi pengaruh masing-masing dimensi terhadap net benefit. Hasil penelitian menunjukkan bahwa dimensi human dan organization berpengaruh signifikan terhadap net benefit, sedangkan dimensi technology tidak memberikan pengaruh signifikan. Temuan ini mengindikasikan bahwa keberhasilan SIMPEG lebih ditentukan oleh kesiapan dan kompetensi pengguna serta dukungan organisasi, dibandingkan hanya mengandalkan kecanggihan teknologi. Implikasi penelitian ini memberikan rekomendasi bagi pengambil kebijakan untuk memprioritaskan pelatihan pengguna, penguatan budaya organisasi, serta perbaikan proses kerja guna meningkatkan efektivitas pemanfaatan SIMPEG.

Klasifikasi Judul Skripsi Program Studi Teknologi Informasi Berbasis Naive Bayes Classifier Dengan Analisis Tren Topik

2025-11-28T03:55:19+07:00

Proses penentuan judul skripsi merupakan langkah awal yang sangat penting dalam penyusunan tugas akhir mahasiswa. Namun, banyak mahasiswa mengalami kesulitan dalam memilih judul yang sesuai dengan minat dan kompetensinya, serta dalam memastikan orisinalitas judul yang diajukan. Hal ini mengakibatkan kurangnya keberagaman topik dan potensi terjadinya pengulangan penelitian. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi judul skripsi menggunakan algoritma Naive Bayes Classifier (NBC) dan menambahkan dimensi analisis tren topik untuk mengidentifikasi perkembangan isu penelitian dari tahun ke tahun. Data yang digunakan terdiri dari 81 judul skripsi mahasiswa Program Studi Teknologi Informasi Universitas Muhammadiyah Purworejo, yang dikategorikan ke dalam lima bidang: sistem informasi/website, multimedia, jaringan, IoT, dan sistem cerdas. Metode yang digunakan mencakup tahapan pengumpulan data, pra-pemrosesan teks (case folding, tokenizing, dan stopword removal), ekstraksi fitur menggunakan metode TF-IDF, pelatihan model NBC, serta eval__uasi performa model menggunakan confusion matrix dengan metrik akurasi, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model mencapai akurasi 76,5%, precision 77,3%, recall 76,5%, dan F1-score 72,5%, yang menandakan performa model yang cukup baik. Selain itu, melalui analisis frekuensi kata (Word Frequency Analysis), diperoleh gambaran topik dominan pada setiap tahun, yang divisualisasikan menggunakan diagram batang. Penelitian ini diharapkan dapat membantu mahasiswa dan institusi dalam memilih judul skripsi secara lebih terarah dan berdasarkan tren yang berkembang.

Kompresi Adaptif untuk Streaming Multimedia Multi-Platform: A Review

2025-11-28T03:55:30+07:00

The current digital era is characterized by cross-platform multimedia consumption, which has become the backbone of information and entertainment, with video content dominating more than 82% of total global internet traffic. The main challenge of adaptive compression for multi-platform multimedia streaming lies in device heterogeneity, network conditions, and the need for Quality of Experience (QoE), as adaptive compression adjusts the bitrate, resolution, and encoding level in real-time. The aim of this research is to explore these issues through a literature review study to identify the scope, taxonomy, gaps, and proposed future research directions. The method used is a literature review covering 51 publications (interval 2019-2025) to examine conceptual aspects, system taxonomy (System Architecture Layer, Adaptation Strategy, Compression Technique, and Artificial Intelligence Model), and to identify research gaps. The review results show that streaming efficiency depends on adaptive compression mechanisms, with a research paradigm shifting from rule-based adaptation toward intelligent adaptive compression. Despite these developments, significant unaddressed gaps remain, particularly concerning synchronization across platforms based on different codecs, low-latency real-time AI compression, robust network adaptation solutions for 5G/B5G, and cross-dimensional integration within a single framework. Future research directions are proposed in platform-specific synchronization models, multi-constraint compression, adaptive AI for slicing, and energy optimization through Federated Learning.