Jurnal Pustaka Data (Pusat Akses Kajian Database, Analisa Teknologi, dan Arsitektur Komputer)

Analisis Bibliometrik untuk Pemetaan Tren Penelitian pada Jurnal Berkala Ilmu Perpustakaan dan Informasi (BIP) Universitas Gadjah Mada Tahun 2021-2025 Berbasis VOSviewer

2026-01-30T01:21:49+00:00

Penelitian ini memetakan tren penelitian pada Jurnal Berkala Ilmu Perpustakaan dan Informasi (BIP) periode 2021–2025. Menggunakan pendekatan bibliometrik kuantitatif, sebanyak 128 artikel dari pangkalan data Dimensions dianalisis. Microsoft Excel dan VOSviewer digunakan untuk analisis produktivitas serta visualisasi jaringan. Hasil penelitian menunjukkan peningkatan produktivitas yang konsisten hingga mencapai 30 artikel per tahun pada dua tahun terakhir. Universitas Padjadjaran tercatat sebagai institusi paling produktif, sedangkan Tamara Adriani Salim menjadi kontributor terbanyak. Meskipun demikian, pola kolaborasi antarpeneliti masih terfragmentasi secara lokal. Evolusi topik memperlihatkan pergeseran dari isu COVID-19 (2021–2022) ke studi bibliometrik, dan terkini kembali menguat pada topik fundamental seperti perpustakaan akademik pada 2024–2025. Penelitian ini memberikan kontribusi dalam menyediakan peta komprehensif dinamika penelitian kepustakawanan berbasis analisis bibliometrik sebagai dasar pengambilan kebijakan editorial jurnal.

Model Machine Learning Berbasis Unsupervised Learning untuk Perhitungan Dosis Radiasi Petugas Instalasi Radiologi

2026-01-20T01:02:10+00:00

Studi ini mengeksplorasi penerapan model pembelajaran mesin untuk menghitung dosis radiasi bagi pekerja radiasi di instalasi radiologi. Dengan memanfaatkan data perhitungan dosis dan perhitungan oleh petugas proteksi radiasi, studi ini bertujuan untuk meningkatkan kualitas perhitungan dosis pekerja radiasi, memperkaya literasi akademis terkait dosis, dan mendukung pertumbuhan sektor kesehatan. Proteksi radiasi untuk pekerja radiasi diatur oleh peraturan Badan Pengatur Energi Nuklir (BAPETEN), yang diimplementasikan oleh petugas proteksi radiasi. Pengukuran yang dilakukan oleh petugas proteksi radiasi masih bergantung pada pendekatan manual berbasis tabel, yang seringkali tidak akurat dan memakan waktu. Hal ini mengakibatkan hilangnya informasi dosis bagi pekerja radiasi, sehingga sulit untuk memantau dosis radiasi yang diterima oleh pekerja radiasi. Studi ini bertujuan untuk membuat model perhitungan dosis berbasis pembelajaran mesin untuk pekerja radiasi. Metode yang digunakan adalah data tentang perhitungan dosis pekerja radiasi, perhitungan dosis yang diterima oleh pekerja radiasi, dan ambang batas dosis untuk pekerja radiasi, yang digunakan untuk melatih model pembelajaran mesin. hasil menunjukkan aplikasi dapat membantu dalam kalkulasi dosis berdasarkan uji aplikasi. Model yang disunakan berbasis unsupervised learning dengan menggunakan 100 data dosis. Hasil model menunjukkan keakuratan model pada uji black box sebesar 94%, sehingga model dapat dikembangkan untuk perhitungan dosis radiasi.

Perancangan Model Keamanan Komunikasi IoT–Web Server Berbasis HTTP Request dan JWT

2026-01-18T07:46:17+00:00

Permasalahan utama dalam pengembangan sistem berbasis Internet of Things (IoT) terletak pada aspek keamanan data selama proses komunikasi antara perangkat IoT dan web server. Sistem pintar yang melakukan pertukaran data transaksi dan identitas pengguna memerlukan mekanisme integrasi yang aman agar informasi tidak disalahgunakan. Kelemahan pada komunikasi data berpotensi menimbulkan berbagai ancaman keamanan, seperti serangan man-in-the-middle, pencurian identitas, serta manipulasi data transaksi. Penelitian ini mengusulkan perancangan model keamanan komunikasi berbasis HTTP Request yang dilengkapi mekanisme autentikasi menggunakan JSON Web Token (JWT). JWT dipilih karena bersifat ringan, sesuai untuk perangkat IoT dengan keterbatasan sumber daya, serta mampu menjamin integritas data melalui penggunaan tanda tangan digital. Pendekatan ini memungkinkan setiap pertukaran data antara perangkat IoT dan server tervalidasi secara aman, sehingga risiko kebocoran dan perubahan data dapat diminimalkan. Metode penelitian meliputi analisis kebutuhan keamanan pada komunikasi IoT–server, perancangan arsitektur model keamanan berbasis JSON Web Token (JWT), serta evaluasi model melalui analisis latensi dan tingkat keberhasilan autentikasi berdasarkan skenario komunikasi yang dirancang. Penelitian ini berhasil merancang dan menganalisis model keamanan komunikasi IoT–web server berbasis HTTP Request dengan mekanisme autentikasi JSON Web Token (JWT). Hasil pengujian menunjukkan bahwa penggunaan JWT dengan secret key yang valid mampu memberikan kontrol akses yang efektif, ditandai dengan keberhasilan autentikasi dan validasi komunikasi data antara perangkat IoT dan server.

Analisis Hubungan Tingkat Infeksi Nosokomial dengan Pola Kerja Petugas Radiologi Menggunakan Pendekatan Statistik Komputasional

2026-01-20T01:05:21+00:00

Infeksi nosokomial menjadi tantangan global bagi rumah sakit, karena mengakibatkan peningkatan angka morbiditas dan mortalitas, biaya pengobatan yang lebih tinggi dan memperpanjang durasi perawatan. Oleh karena itu, pencegahan menjadi standar pelayanan yang penting dalam fasilitas kesehatan. Penelitian ini bertujuan untuk menganalisa hubungan pengetahuan infeksi nosokomial dengan praktik pencegahan dan pengendalian infeksi oleh radiografer di Instalasi Radiologi RS. Berdasarkan hasil observasi di Instalasi Radiologi RS bahwasanya, radiografer yang bertugas pada area pemeriksaan konvensional saat melakukan kebersihan tangan menggunakan air dan sabun maupun dengan alkohol, tidak mempraktikkan 6 langkah cuci tangan. Lalu, tidak menggunakan alat pelindung diri masker saat berinteraksi langsung dengan pasien dan saat mengatur posisi pemeriksaan. Dalam meningkatkan upaya praktik pencegahan dan pengendalian infeksi secara baik dan konsisten, diperlukan tingginya pengetahuan radiografer tentang infeksi nosocomial. Penelitian ini diharapkan dapat menjadi acuan dan pedoman padaradiografer dalam menjalankan keselamatan kerja terutama menghindari infeksi nosocomial. Metode penelitian menggunakan 20 orang pekerja radiasi dengan melakukan uji hubungan. Hasil menunjukkan p-value sebesar 0,032 menunjukkan bahwa risiko infeksi meningkat tajam pada kelompok petugas dengan pola kerja tidak disiplin terhadap SOP kebersihan dan dekontaminasi diri.

Evaluasi Komparatif Hybrid Filtering dan Model-Based SVD pada Sistem Rekomendasi Film Menggunakan Dataset MovieLens

2026-02-14T00:09:38+00:00

Perkembangan jumlah dan variasi film yang semakin meningkat menyebabkan pengguna mengalami kesulitan dalam menentukan pilihan tontonan yang sesuai dengan preferensi mereka. Oleh karena itu, sistem rekomendasi menjadi solusi penting untuk membantu pengguna memperoleh rekomendasi film yang relevan dan personal. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi kinerja sistem rekomendasi menggunakan pendekatan Item-Based Collaborative Filtering, Content-Based Filtering, Hybrid Filtering, serta Model-Based Collaborative Filtering pada dataset MovieLens 100k. Secara khusus, pendekatan Model-Based menerapkan algoritma Singular Value Decomposition (SVD) yang dioptimalkan dengan learning rate 0.005, regularisasi 0.02, dan 50 faktor laten. Penelitian ini memberikan kontribusi ilmiah berupa analisis komparatif antara pendekatan memory-based dan model-based pada dataset dengan tingkat sparsity tinggi. Proses penelitian meliputi tahapan preprocessing data, pemisahan data menggunakan metode random holdout, dan eksplorasi data untuk menganalisis distribusi rating. Evaluasi kinerja sistem dilakukan menggunakan metrik Root Mean Square Error (RMSE) dan Precision@10. Hasil penelitian menunjukkan bahwa metode Model-Based SVD menghasilkan performa terbaik dengan nilai RMSE terendah sebesar 0.877 dan Precision@10 tertinggi sebesar 67.45%. Sementara itu, metode Hybrid Filtering yang menggunakan skema pembobotan manual menghasilkan kinerja rendah dengan Precision@10 sebesar 0.40%; hal ini disebabkan oleh penggunaan bobot statis yang tidak mampu mengakomodasi variasi bias antar-model secara efektif. Hasil ini menunjukkan bahwa pendekatan berbasis machine learning dengan model laten lebih efektif dalam menangani dataset sparse dibandingkan metode berbasis konten maupun hybrid konvensional dengan bobot statis.

Analisis Perbandingan SVM dan Logistic Regression dalam Penentuan Prioritas Tiket Dukungan Pelanggan

2025-12-02T14:17:04+00:00

Otomatisasi penentuan prioritas tiket dukungan pelanggan menghadapi tantangan karena deskripsi teks antar tingkat urgensi memiliki pola yang mirip sehingga membatasi efektivitas model klasifikasi konvensional. Penelitian ini mengevaluasi kinerja Support Vector Machine (SVM) dan Logistic Regression dalam klasifikasi urgensi tiket menggunakan kerangka CRISP-DM. Dataset sekunder dari Kaggle yang terdiri dari 8.649 data dan 17 atribut digunakan dalam penelitian ini. Deskripsi tiket diproses melalui preprocessing dan direpresentasikan menggunakan TF-IDF, kemudian tingkat prioritas disederhanakan menjadi klasifikasi biner. Hasil menunjukkan performa yang relatif rendah, di mana Logistic Regression memperoleh akurasi 51,33% dan F1-score 0,508, sedangkan SVM memperoleh akurasi 48,80% dan F1-score 0,488. Temuan ini menunjukkan keterbatasan fitur berbasis TF-IDF dalam memprediksi urgensi tiket serta menegaskan perlunya integrasi representasi semantik dan metadata non-teks.

Manajemen Proyek Pengembangan Sistem Informasi Layanan Pelanggan Berbasis Website pada PT. XYZ Divisi Pelanggan

2026-02-13T23:37:59+00:00

Penelitian ini bertujuan untuk menganalisis manajemen proyek pengembangan sistem informasi layanan pelanggan berbasis website pada PT. XYZ Divisi Pelanggan serta mengevaluasi dampaknya terhadap efisiensi operasional dan kualitas layanan. Penelitian menggunakan metode kualitatif dengan pendekatan studi kasus. Data dikumpulkan melalui wawancara, observasi proses bisnis, dokumentasi, serta kuesioner kepuasan pelanggan. Pengembangan sistem dilakukan menggunakan Software Development Life Cycle (SDLC) dengan model Waterfall yang meliputi tahap analisis kebutuhan, perancangan menggunakan Unified Modeling Language (UML), implementasi, pengujian, dan pemeliharaan. Hasil penelitian menunjukkan bahwa implementasi sistem mampu menurunkan rata-rata waktu respon layanan dari 24 jam menjadi 6 jam atau terjadi efisiensi sebesar 75%. Produktivitas penyelesaian keluhan meningkat dari 50 menjadi 60 tiket per hari atau sebesar 20%. Selain itu, rata-rata skor kepuasan pelanggan meningkat dari 3,1 menjadi 4,0 (skala 1–5) atau sekitar 29%, dengan 85% responden menyatakan puas terhadap sistem yang baru. Temuan ini menunjukkan bahwa manajemen proyek yang terstruktur dan pengembangan sistem berbasis web berkontribusi signifikan dalam meningkatkan kinerja layanan pelanggan dan daya saing perusahaan.