Techno.Com

Penerapan IoT dalam Sistem Monitoring Kesehatan: Inovasi dan Implementasi

Irfan Wahyu Ramadhan, Firdaus Firdaus, Sisdarmanto Adinandra — Wed, 27 Nov 2024 00:00:00 +0000

Penelitian ini mengkaji penerapan Internet of Things (IoT) dalam sistem monitoring kesehatan melalui tinjauan literatur yang mendalam. Inovasi dalam perangkat wearable, platform cloud, dan algoritma analitik memungkinkan pengumpulan data fisiologis secara real-time, pemantauan jarak jauh, dan deteksi dini anomali kesehatan. Implementasi teknologi ini telah menunjukkan hasil yang menjanjikan, seperti akurasi tinggi dalam pengukuran parameter kesehatan, efektivitas dalam mendeteksi kondisi kritis, dan peningkatan akses terhadap perawatan kesehatan untuk populasi yang kurang terlayani. Namun, adopsi sistem monitoring kesehatan berbasis IoT menghadapi beberapa tantangan, termasuk keamanan data, interoperabilitas, dan validasi klinis. Untuk memaksimalkan potensi teknologi ini, penelitian masa depan perlu difokuskan pada penguatan keamanan dan privasi data pasien. Dengan memanfaatkan kemajuan teknologi seperti Artificial Intelligence (AI), Machine Learning (ML), dan integrasi Electronic Health Records (EHR), sistem monitoring ke6sehatan berbasis IoT dapat mencapai potensi penuh mereka dalam mentransformasi perawatan kesehatan dan memberdayakan individu untuk mengambil peran proaktif dalam mengelola kesehatan.

Kata kunci: Catatan Kesehatan Elektronik, Internet of Things, Kecerdasan Buatan, Pembelajaran Mesin, Sistem Pemantauan Kesehatan.

Klasifikasi Emosional Ulasan Pelanggan dengan Pendekatan NLP menggunakan Metode Ensemble dan ROS

Adisaputra Zidha Noorizki, Heri Pratikno, Weny Indah Kusumawati — Wed, 27 Nov 2024 00:00:00 +0000

Konsep Orientasi Pelanggan sangat penting bagi perusahaan untuk berkembang di era saat ini, dengan memanfaatkan teknologi untuk mendapatkan wawasan yang mendalam tentang perilaku pelanggan mereka. Salah satu alat teknologi tersebut adalah pembelajaran mesin, khususnya yang menggunakan pendekatan pemrosesan bahasa alami (NLP). Penelitian ini menggunakan lima algoritma yang berbeda dan menggabungkan berbagai metode untuk meningkatkan kinerja model machine learning. Melalui penerapan teknik-teknik seperti random over-sampling (ROS) dan ensemble learning, akurasi prediksi keseluruhan untuk kelas minoritas meningkat secara signifikan. Model ensemble yang diintegrasikan dengan ROS mencapai akurasi 0,90 dan mean square error 0,91, mengungguli algoritma lain yang diuji dalam penelitian ini. Pendekatan yang dioptimalkan ini tidak hanya menunjukkan keefektifan pemanfaatan teknologi untuk sebuah perusahaan dapat menerapkan strategi yang berpusat pada pelanggan, tetapi juga menyoroti pentingnya peningkatan metodologi dalam pemodelan prediktif untuk keberlanjutan bisnis.

Kata kunci: Klasifikasi Emosi, Pembelajaran Mesin, Pemrosesan Bahasa Alami, Hard Voting, Random Over Sampling.

Pengamanan Data Berbasis Hill Cipher dengan Operasi Modulo pada Karakter ASCII

Wed, 27 Nov 2024 00:00:00 +0000

Pengamanan data dalam era digital menjadi semakin penting dengan meningkatnya kebutuhan untuk melindungi informasi sensitif. Penelitian ini mengimplementasikan algoritma Hill Cipher yang dimodifikasi dengan operasi modulo pada karakter ASCII untuk memperluas cakupan aplikasi metode kriptografi ini. Hill Cipher, yang secara klasik menggunakan alfabet dengan operasi modulo 26, dibatasi hanya pada huruf-huruf alfabet. Modifikasi yang diusulkan dalam penelitian ini menggunakan operasi modulo 256, yang mencakup seluruh karakter ASCII (0–255), termasuk huruf, angka, simbol, dan karakter khusus. Penelitian ini menggunakan matriks kunci berukuran 2 x 2 yang memastikan keamanan melalui perhitungan determinan yang tidak nol dan coprime dengan 256. Proses enkripsi dilakukan dengan mengalikan vektor yang mewakili nilai ASCII dari plaintext dengan matriks kunci, diikuti oleh operasi modulo 256 untuk memastikan hasilnya berada dalam rentang karakter ASCII yang valid. Hasil enkripsi berupa ciphertext kemudian dideskripsi dengan invers matriks kunci yang diperoleh melalui operasi invers modulo 256. Penelitian ini membuktikan bahwa Hill Cipher yang dimodifikasi dapat diterapkan secara efektif untuk pengamanan data modern berbasis teks, menghasilkan ciphertext yang aman dan plaintext yang dapat didekripsi dengan akurat.

Kata kunci: Hill Cipher, ASCII, operasi modulo 256, enkripsi, dekripsi

Implementasi Model Algoritma C4.5 Untuk Klasifikasi Status Stunting Di Kabupaten Sikka

Wed, 27 Nov 2024 00:00:00 +0000

Kekurangan gizi menjadi masalah dalam tumbuh kembang anak yang dapat menyebabkan stunting, wasting, mudah terkena penyakit serta penurunan kecerdasan otak dan mental. Stunting di Kabupaten Sikka pada tahun 2022 sebesar 13,8% dari hasil e-PPGBM periode Bulan Agustus 2022. Untuk mengatasi masalah ini diperlukan klasifikasi status stunting yang sangat berpengaruh terhadap tumbuh kembang anak sehingga dapat memberikan perhatian lebih dari faktor stunting yang paling tinggi di suatu daerah. Dengan bertambahnya jumlah balita dan peningkatan kasus stunting, proses penyelesaian tidak bisa dilakukan dengan cepat. Selain itu, tidak semua petugas posyandu bisa menghitung status gizi balita secara manual. Oleh karena itu, agar orang tua dan kader posyandu dapat mengetahui kondisi anak lebih cepat, diperlukan sistem yang menggunakan model algoritma C4.5. Sistem ini mampu mengolah data numerik (kontinu) dan diskrit. Penelitian ini menggunakan 5 atribut, yaitu usia, inisiasi menyusui dini (Imd), tinggi badan, jenis kelamin, dan berat badan. Keistimewaan penelitian ini adalah penggunaan atribut Inisiasi Menyusui Dini (IMD) yang belum pernah digunakan dalam penelitian sebelumnya dengan data numerik. Penggunaan algoritma C4.5 untuk menganalisis hasil stunting dan menyajikannya dalam bentuk website menghasilkan tingkat akurasi yang tidak jauh berbeda dengan pembagian data latih dan data uji sebesar 92.68 dan 90.98% dengan Max Dept 10.

Kata kunci: Algoritma C4.5, Stunting, Balita, Klasifikasi, Website

Implementasi Teknologi Otomatisasi Jemuran Pakaian Berbasis Arduino Nano

Juanto Sirait, Soni Prayogi — Wed, 27 Nov 2024 00:00:00 +0000

Pada perumahan padat penduduk, ruang terbatas menjadi salah satu tantangan utama bagi penghuni dalam melakukan aktivitas sehari-hari, termasuk dalam proses menjemur pakaian. Jemuran konvensional sering kali memakan ruang yang signifikan dan kurang efisien saat kondisi cuaca berubah tiba-tiba, seperti hujan atau kekurangan sinar matahari. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem jemuran pakaian otomatis berbasis Arduino Nano yang dapat dioperasikan secara mandiri untuk memaksimalkan penggunaan ruang dan meningkatkan efisiensi pengeringan pakaian. Sistem ini dilengkapi dengan sensor hujan dan sensor cahaya yang secara otomatis mengendalikan pergerakan jemuran. Ketika terdeteksi hujan, jemuran akan ditarik secara otomatis untuk melindungi pakaian, dan akan kembali terbuka saat kondisi cuaca kembali cerah. Metode penelitian melibatkan desain perangkat keras dan perangkat lunak yang terintegrasi dengan Arduino Nano, serta pengujian performa sistem dalam berbagai kondisi cuaca. Hasil penelitian menunjukkan bahwa sistem jemuran otomatis ini berhasil berfungsi secara optimal dalam merespons perubahan cuaca, dengan waktu respons cepat dan penghematan ruang yang signifikan di area perumahan padat penduduk. Implementasi teknologi ini diharapkan dapat menjadi solusi praktis untuk meningkatkan kenyamanan penghuni dan efisiensi penggunaan ruang di hunian urban yang terbatas.

Kata kunci: Jemuran Otomatis, Arduino Nano, Sensor Cuaca, Hunian Padat, Efisiensi Ruang.

Penerapan Algoritma Backtracking Pada Metode Backward Chaining untuk Diagnosis Penyakit Demam Berdarah

Rahmat Haryadi Kiswanto, Nourman S. Irjanto, M. Risman, Carolina C.Y. Imbiri — Wed, 27 Nov 2024 00:00:00 +0000

Penelitian ini meningkatkan teknik backward chaining untuk diagnosis Demam Berdarah Dengue (DBD) dengan mengintegrasikan algoritma backtracking, dengan tujuan untuk meningkatkan efisiensi penelusuran gejala dan aturan dalam sistem pakar. Hasil eksperimen menunjukkan bahwa penggunaan backtracking secara signifikan mengurangi waktu pemrosesan dibandingkan dengan metode tanpa backtracking. Pada eksperimen yang melibatkan 3 aturan, waktu pemrosesan berkurang dari 168,50 ms menjadi 19,53 ms, sementara untuk 6 aturan, waktu pemrosesan turun dari 161,63 ms menjadi 20,88 ms. Demikian pula, dalam pengujian dengan 10 aturan, waktu pemrosesan menurun dari 161,68 ms menjadi 17,38 ms. Secara keseluruhan, integrasi algoritma backtracking meningkatkan efisiensi penelusuran rata-rata sebesar 88%, terbukti menjadi pendekatan yang sangat efektif, terutama dalam sistem pakar yang memiliki banyak aturan dan gejala.

Kata kunci: Backward Chaining, Backtracking, Diagnosis DBD, Efisiensi

Penggunaan Virtual Lab Fisika Asam Basa Sebagai Alat Bantu Siswa SMP Negeri Alok Dalam Belajar Fisika

Wed, 27 Nov 2024 00:00:00 +0000

Penerapan teknologi baru dapat mendorong siswa untuk giat belajar dan tidak mudah menyerah jika menemui kesulitan dalam belajar. Fisika merupakan salah satu mata pelajaran di sekolah menengah pertama, dan siswa dituntut untuk menerapkan apa yang telah dipelajari secara praktis. Pembelajaran Fisika terdiri dari banyak materi, salah satunya adalah materi asam basa. Materi asam basa di pelajari oleh siswa kelas tujuh SMP Negeri Alok belum memiliki fasilitas laboratorium yang memadai untuk praktikum sehingga perlu dibuat media pembelajaran Virtual Lab yang interaktif . Metode yang digunakan dalam merancang aplikasi Virtual Lab Fisika Asam Basa yaitu MDLC (Multimedia Development Life Cycle). Aplikasi Virtual Lab ini kemudian diuji oleh guru dan ahli media, dimana aplikasi Virtual Lab Asam Basa yang dikembangkan tergolong kriteria “layak dan tanpa perlu revisi” dengan skor rata-rata keseluruhan 90% dengan pengujian blackbox sehingga media pembelajaran ini memenuhi aspek kevalidan. Aplikasi Virtual Lab Asam Basa yang menyajikan langkah-langkah yang dapat dipraktekkan oleh pengguna dengan cara mensimulasikan percobaan dan mengikuti petunjuk penggunaan dan aplikasi Virtual Lab dapat diakses melalui android.

Kata Kunci: Fisika; Virtual Lab; Asam Basa; MDLC; Pembelajaran

Deteksi Bakteri Pada Citra BTA Menggunakan Multi Thresholding dan K-Means

Wed, 27 Nov 2024 00:00:00 +0000

Tuberkulosis (TB) merupakan jenis penyakit kronis yang disebabkan oleh bakteri Mycobacterium tuberculosis yang dapat menular dari 1 orang ke orang lainnya melalui udara atau yang disebut dengan airbone. Pendeteksian bakteri M.tuberculosis pada citra sputum penderita TB merupakan suatu tantangan dalam menentukan identifikasi untuk dapat membedakan bakteri tersebut dengan background dengan hasil pewarnaan sputum yang cendrung memiliki tingkat warna yang bervariasi, sehingga dapat menurunkan hasil akurasi pendeteksian. Oleh karena itu diperlukan suatu pendekatan yang lebih akurat dalam mendeteksi bakteri TB pada citra BTA. Untuk itu penelitian ini bertujuan melakukan pengolahan citra berupa segmentasi pada citra BTA dengan menerapkan preprocessing ruang warna CIE Lab, menentukan batas ambang yang maksimal dengan Multi Thresholding dan dilakukan segmentasi menggunakan K-Means Clustering. Hasil eksperimen didapatkan bahwa pengaplikasian metode Multi Thresholding dan K-Means memberikan tingkat akurasi sebesar 99.57% pada pendeteksian bakteri TB.

Kata kunci: Tubekulosis, Ziehl Neelsen, Multi Thresholding, K-Means.

Perbandingan Algoritma Klasterisasi dengan Principal Component Analysis pada Indikator Sosial Ekonomi Kesehatan Jawa Timur

Wed, 27 Nov 2024 00:00:00 +0000

K-Means dan K-Medoids digunakan untuk menilai indikator sosial ekonomi dan kesehatan di Provinsi Jawa Timur tahun 2023 melalui metode klasterisasi. Dengan menggunakan Principal Component Analysis (PCA) untuk mereduksi dimensi variabel, penelitian ini mengelompokkan wilayah berdasarkan karakteristik sosial ekonomi dan kesehatan. Data yang dianalisis termasuk angka harapan hidup, tingkat kemiskinan, pengangguran, dan akses ke layanan kesehatan. Kebaruan penelitian ini terletak pada kombinasi unik antara PCA dan K-Medoids untuk menghasilkan klaster yang lebih akurat dan robust terhadap outlier, dibandingkan metode yang biasanya hanya menggunakan satu teknik klasterisasi atau tidak melibatkan reduksi dimensi. Hasil penelitian menunjukkan bahwa K-Medoids dengan PCA menghasilkan klaster yang lebih koheren dan terpisah daripada K-Means, terutama dalam menangani outlier. Menurut metode Elbow dan Silhouette, empat hingga lima klaster adalah pilihan terbaik. PCA meningkatkan akurasi dan efisiensi klasterisasi dengan mengurangi kompleksitas data, yang menghasilkan klaster yang lebih baik Diharapkan temuan ini akan membantu pemerintah membuat kebijakan yang lebih baik untuk mengatasi ketimpangan kesehatan dan sosial ekonomi di Jawa Timur.

Kata kunci: Klasterisasi, Outlier, Principal Component Analysis (PCA)

Pengembangan E-Commerce Hasil Peternakan Menggunakan Metode Location Based Service Dengan Algoritma Haversine berbasis Android

Citra Yustitya Gobel, Bahtiar Sennung, Salma P Nua — Wed, 27 Nov 2024 00:00:00 +0000

Peran E-Commerce dalam mendukung Program Digital Economi sangat dibutuhkan daerah kabupaten Gorontalo untuk membantu memperkuat ekonomi lokal dengan memfasilitasi akses ke pasar yang lebih luas, Urgensi Penelitian berdasarkan study literatur dan hasil observasi mengangakat permasalahan bahwa belum ada terdapat penelitian pengembangan aplikasi e-commerce khusunya hasil peternakan menggunakan Location Based serviced dengan metode havesine sehingga Penelitian ini bertujuan untuk membangun aplikasi E-Commerce Menggunakan integrasi Metode Location Based Service dengan Algoritma Haversisne berbasis Android pada pemasaran hasil Peternakan daerah kabupaten gorontalo sehingga dapat menawarkan solusi inovatif untuk menghubungkan peternak dengan konsumen melalui platform digital. Metode ini memanfaatkan layanan berbasis lokasi untuk menentukan jarak antara penjual dan pembeli secara akurat, memungkinkan optimalisasi distribusi hasil ternak dan pengiriman yang lebih efisien. Hasil pengembangan menunjukkan bahwa LBS dan algoritma Haversine mampu memberikan efisiensi dalam pengelolaan distribusi dan pemetaan pasar lokal dengan hasil perhitungan jarak tempuh mengunakan google Maps sejauh 23,3 km, sedangkan hasil menggunakan algoritma haversine lebih cepat yaitu 12,1 km, terdapat perbedaan jaarak tempuh sekitar 11 km. Platform ini juga meningkatkan akses pasar bagi peternak lokal, memberikan peluang pemasaran yang lebih baik, serta memperkuat ekosistem perdagangan hasil ternak berbasis digital.

Kata kunci: E-Commerce; Peternakan; Location base Service; Haversine; Android

Analisis Efektivitas Markerless Mid Air Vuforia dalam Pembelajaran AR Tata Surya

Indra Febryan Noor, Ika Asti Astuti — Wed, 27 Nov 2024 00:00:00 +0000

Penelitian ini bertujuan untuk mengembangkan dan menguji aplikasi Augmented Reality (AR) berbasis metode markerless dengan pendekatan mid air untuk meningkatkan efektivitas pembelajaran tata surya. Aplikasi ini dirancang untuk mengatasi keterbatasan pada aplikasi AR konvensional, yang sering kali bergantung pada deteksi permukaan datar, serta untuk meningkatkan realisme dan fleksibilitas interaksi antara objek virtual dan lingkungan fisik. Metodologi pengujian mencakup empat skenario berbeda yang mengevaluasi akurasi deteksi ruang 3D di bawah berbagai kondisi pencahayaan. Hasil pengujian menunjukkan bahwa sistem mampu mendeteksi ruang 3D dengan baik pada intensitas cahaya tinggi di luar ruangan (1007 LUX) dan rendah di dalam ruangan (20 LUX). Namun, ketika kamera diarahkan ke tembok polos dengan intensitas cahaya 100 LUX, deteksi ruang 3D gagal. Sebaliknya, pada kondisi malam hari dengan cahaya sangat rendah (di bawah 15 LUX), aplikasi tetap berhasil menempatkan objek 3D secara akurat. Penilaian usability dari 24 responden memberikan skor SUS rata-rata 92,4, menempatkan aplikasi dalam kategori "Acceptable" dengan Grade Scale "A" dan Adjective Rating "Excellent". Temuan ini menegaskan bahwa aplikasi AR yang dikembangkan memiliki potensi signifikan sebagai media pembelajaran interaktif, memberikan visualisasi yang mendalam dan mendukung pemahaman konsep tata surya secara efektif.

Kata kunci: Mid Air, Markerless, Augmented Reality, Tata surya, Usability

Penerapan Naive Bayes Terhadap Sentimen Analisis Media Sosial Twitter Pengguna Commuter Line

Sunarti Sunarti, Frisma Handayanna, Dewi Ayu Nur Wulandari — Wed, 27 Nov 2024 00:00:00 +0000

Commuter Line ialah salah satu sektor pelayanan publik dibidang transportasi banyak dipergunakan oleh masyarakat saat ini. Sesuai perkembangan teknologi banyak opini masyarakat terhadap pelayanan Commuter Line beredar secara online, untuk menyampaikan opininya masyarakat menggunakan media sosial seperti Twitter. Media Twitter dapat dijadikan sebagai bahan evaluasi peningkatan kualitas layanan. Twitter memudahkan pelanggan untuk menyampaikan keluhan serta pendapat terkait layanan seperti PT KAI Commuter. Untuk memahami komentar pelanggan, persepsi layanan publik, dan mendapatkan opini baru maka perlu dilakukan analisis sentimen terhadap pelayanan Commuter Line. Analisis sentimen ini bertujuan untuk mengklasifikasikan tweets masyarakat terhadap layanan Commuter Line ke dalam sentimen complain dan not complain dengan menggunakan metode Naive Bayes. Metode ini mempunyai tingkat akurasi paling tinggi dalam pengklasifikasian analisis sentimen. Data yang diunduh dari Twitter menggunakan aplikasi RapidMiner sebanyak 1.010 tweet dan data validasi sebanyak 1.003 tweets. Pada akhir tahap penelitian diperoleh accuracy 78,11%, precision 81,76%, recall 72,51%, dan AUC yang didapat sebesar 0,814.

Kata kunci: Analisis sentimen; Commuter Line; Twitter; Naive Bayes

Evaluasi Performa Algoritma Klasifikasi dalam Prediksi Gagal Jantung: Studi Kasus Dataset Heart Failure Prediction

Wahyu Nugraha, Muhamad Syarif — Wed, 27 Nov 2024 00:00:00 +0000

Kegagalan jantung (Heart Failure) merupakan salah satu penyebab utama kematian dan morbiditas secara global, dengan lebih dari 26 juta orang terdampak di seluruh dunia. Deteksi dini kegagalan jantung sangat penting untuk mencegah komplikasi yang lebih serius, namun diagnosis sering kali sulit dilakukan karena gejala yang tidak spesifik. Pembelajaran mesin (machine learning) telah banyak digunakan untuk membantu prediksi risiko kegagalan jantung melalui analisis data medis. Berbagai algoritma klasifikasi telah diimplementasikan dalam berbagai penelitian sebalumnya, namun belum ada konsensus mengenai algoritma terbaik. Penelitian ini bertujuan untuk melakukan komparasi performa beberapa algoritma klasifikasi dalam memprediksi gagal jantung, menggunakan dataset Heart Failure Prediction dari Kaggle. Algoritma yang diuji termasuk Logistic Regression, K-Nearest Neighbors (KNN), Decision Tree, Random Forest, GaussianNB, dan LightGBM. Hasil menunjukkan bahwa algoritma Random Forest memberikan performa terbaik dengan akurasi 95 persen, sedangkan algoritma KNN menunjukkan akurasi terendah sebesar 76 persen. Penelitian ini diharapkan dapat berkontribusi dalam pengembangan sistem pendukung keputusan klinis yang lebih baik untuk prediksi kegagalan jantung.

Kata Kunci: Heart Failure, mesin pembelajaran algoritma klasifikasi

Efektivitas Algoritma Random Forest, XGBoost, dan Logistic Regression dalam Prediksi Penyakit Paru-paru

Wed, 27 Nov 2024 00:00:00 +0000

Penyakit paru-paru, seperti pneumonia dan kanker paru-paru, menjadi masalah kesehatan global dengan tingkat kematian tinggi, terutama dipengaruhi oleh polusi udara, infeksi, dan kebiasaan merokok. Pencegahan dan deteksi dini sangat penting dalam mengurangi dampaknya. Algoritma yang digunakan dalam penelitian ini meliputi Random Forest, XGBoost, dan Logistic Regression. Tujuannya yaitu untuk membandingkan performa tiga algoritma machine learning dalam mengklasifikasikan penyakit paru-paru menggunakan metrik evaluasi seperti, akurasi, presisi, recall, dan F1-score. Setelah hyperparameter tuning, XGBoost menunjukkan hasil terbaik dengan akurasi 94,44%, presisi 94,98%, recall 94,44%, dan F1-score 94,41%, menunjukkan keseimbangan optimal antara presisi dan recall. Random Forest juga memberikan hasil yang sebanding dengan XGBoost dengan akurasi dan presisi yang tinggi. Sementara itu, Logistic Regression menunjukkan keterbatasan dalam menangani data yang kompleks, dengan performa yang lebih rendah pada seluruh metrik evaluasi. Penelitian ini menunjukkan bahwa algoritma berbasis pohon keputusan seperti XGBoost dan Random Forest lebih unggul untuk klasifikasi penyakit paru-paru, menjadikannya metode yang lebih andal untuk mendukung deteksi dini penyakit ini.

Kata kunci: Hyperparameter Tuning, Logistic Regression, Penyakit Paru-paru, Random Forest, XGBoost.

Tata Kelola Teknologi Informasi Menggunakan Framework COBIT 2019 Pada PT. Kobexindo Tractor Tbk.

Cherry Lumingkewas, Joe Yuan Mambu, George Morris William Tangka — Wed, 27 Nov 2024 00:00:00 +0000

Tata kelola Teknologi Informasi (TI) adalah kerangka kerja yang digunakan organisasi untuk mengelola dan mengendalikan sumber daya TI secara efektif, dengan tujuan memaksimalkan nilai bisnis. PT. Kobexindo Tractor TBK menghadapi tantangan dalam mengoptimalkan manajemen TI mereka, khususnya dalam pengelolaan data penting. Penelitian ini bertujuan untuk menerapkan kerangka COBIT 2019 guna meningkatkan tata kelola TI di PT. Kobexindo Tractor TBK, sehingga layanan data kritis dapat dikelola secara efisien. Temuan menunjukkan bahwa perusahaan belum melakukan penilaian menyeluruh terhadap tata kelola TI dan menghadapi tantangan dalam manajemen data pesanan dan informasi stok. PT. Kobexindo Tractor TBK memerlukan proses tata kelola TI yang lebih terstruktur untuk memastikan penggunaan teknologi yang efektif dan efisien dalam mencapai tujuan bisnis. Proses tinjauan pustaka mengidentifikasi kesenjangan dalam penelitian saat ini, memberikan dasar untuk penelitian yang lebih komprehensif. Setelah analisis tujuan BAI05 dan BAI11, ditemukan hasil yang berbeda. Pada BAI05, pertanyaan mencapai level 2 dengan 75%, di bawah 85%. Demikian juga, pada BAI11, pertanyaan mencapai level 2 dengan 66%. Dengan temuan ini, penelitian ini didukung landasan teoretis yang kuat, memastikan analisis yang mendalam terhadap masalah tata kelola TI.

Kata kunci: Tata Kelola Teknologi Informasi, COBIT 2019, Manjemen Informasi

Evaluasi Kualitas Sistem Informasi Karya Akhir Menggunakan Metode McCall: Studi Kasus di Universitas Pendidikan Ganesha

Sat, 30 Nov 2024 00:00:00 +0000

Penelitian ini bertujuan untuk mengembangkan model evaluasi kualitas sistem informasi karya akhir pada institusi pendidikan tinggi menggunakan metode McCall, dengan mengambil studi kasus di Universitas Pendidikan Ganesha (Undiksha). Evaluasi kualitas sistem informasi akademik merupakan hal yang krusial untuk memastikan efektivitas layanan dan mendukung proses akademik di perguruan tinggi. Penelitian menggunakan pendekatan deskriptif kuantitatif dengan fokus pada aspek product operation yang mencakup lima faktor: Correctness, Reliability, Efficiency, Integrity, dan Usability. Pengambilan sampel menggunakan teknik Proportionate Stratified Random Sampling dengan jumlah 515 responden. Hasil evaluasi menunjukkan nilai total kualitas sistem sebesar 70% (kategori Baik), dengan rincian: Correctness 61% (Baik), Reliability 56% (Cukup Baik), Efficiency 58% (Cukup Baik), Integrity 59% (Cukup Baik), dan Usability 43% (Cukup Baik). Model evaluasi dan rekomendasi yang dihasilkan dapat diadaptasi oleh institusi pendidikan tinggi lain dalam mengembangkan dan meningkatkan kualitas sistem informasi Karya Akhir.

Kata kunci: Evaluasi, kualitas, sistem informasi karya akhir, McCall