Aisyah Journal Of Informatics and Electrical Engineering (A.J.I.E.E)

Peranan Framework ITIL V3 Untuk Mengevaluasi Tingkat Kematangan Layanan Dites di Instansi LLDIKTI Wilayah II

Naurah Maryeifa — 2025-06-13

Lembaga Layanan Pendidikan Tinggi (LLDIKTI) wilayah II Palembang adalah instansi pemerintah di lingkungan Kementerian Pendidikan dan Kebudayaan yang bertugas untuk melaksanakan pengawasan, pengendalian dan pembinaan terhadap Perguruan Tinggi Swasta (PTS) di wilayahnya. Dalam pemanfaatan teknologi informasi untuk mewujudkan pelayanan prima, LLDIKTI wilayah II membuat program yang bernama layanan Digital Tracking Equipment System (DiTES) yang berfungsi sebagai pengumpul dan penyaji informasi mengenai kepentingan perguruan tinggi. Berdasarkan hasil observasi dan wawancara dengan pihak instansi terkait, DiTES memiliki permasalahan seperti kurangnya manajemen kontrol (pengelolaan layanan) dalam kegiatan operasionalnya yang belum efektif dan efisien, maka dilakukanlah evaluasi untuk mengukur tingkat kematangan dari layanan sistem tersebut agar dapat dijadikan tolak ukur untuk keberlangsungan sistem. Untuk mengevaluasi tingkat kematangan DiTES, penulis menggunakan kerangka kerja Information Technology Infrastructure Library (ITIL) versi 3 dengan domain Service Operation. Penelitian ini dilakukan dengan melakukan penyebaran kuesioner, observasi dan wawancara untuk memperoleh nilai tingkat kematangan. Hasil perhitungan tingkat kematangan (as is) pada DiTES adalah sebesar 4,10 atau berada pada level 4 (Managed) sedangkan tingkat kematangan yang diharapkan (to be) adalah sebesar 5,00 atau berada pada level 5 (Optimized) dengan kesenjangan yaitu 0,9. Dari hasil evaluasi yang telah dilakukan pada layanan DiTES, diperoleh 5 rekomendasi yang diharapkan dapat membantu instansi LLDIKTI Wilayah II Palembang sebagai bahan pertimbangan untuk mengatasi nilai kesenjangan yang ada guna meningkatkan operasional layanan DiTES.

Analisis Prediksi Produksi Tanaman Padi Berdasarkan Variabel Iklim Menggunakan Support Vector Regression

Sylvia Sylvia — 2025-08-04

Penelitian ini bertujuan untuk menganalisis prediksi produksi tanaman padi berdasarkan variabel iklim menggunakan algoritma Support Vector Regression (SVR). Data yang digunakan berasal dari beberapa provinsi di wilayah Sumatera dengan variabel yang meliputi luas panen, curah hujan, kelembapan udara, dan suhu rata-rata. Setelah dilakukan pra-pemrosesan dan normalisasi data, model SVR dibangun dengan kernel Radial Basis Function (RBF) dan parameter default. Hasil evaluasi menunjukkan nilai Root Mean Square Error (RMSE) sebesar 970.144 dan koefisien determinasi (R²) sebesar -0.065, yang menunjukkan bahwa model belum mampu memodelkan hubungan antara variabel iklim dan produksi padi secara akurat. Visualisasi perbandingan antara nilai aktual dan prediksi mengindikasikan deviasi yang cukup signifikan. Penelitian ini menyimpulkan bahwa model SVR dengan parameter default belum optimal untuk prediksi produksi padi di wilayah Sumatera, sehingga perlu dilakukan tuning parameter dan penambahan fitur pendukung agar model dapat bekerja lebih efektif.

Kata Kunci: iklim, produksi padi, prediksi, Support Vector Regression, Sumatera

Jurnal Analisis Klasifikasi Sentimen Pengguna MyPertamina Menggunakan Metode Evaluasi Precision, Recall, dan F1-Score

Randi Estian Pambudi — 2025-08-04

Penelitian ini bertujuan untuk mengklasifikasikan sentimen yang terdapat dalam ulasan pengguna aplikasi MyPertamina dengan menggunakan algoritma Naive Bayes. Ulasan pengguna dikumpulkan dan diproses terlebih dahulu menggunakan teknik umum seperti tokenisasi, case folding, penghapusan stopword, dan stemming. Ulasan kemudian dikategorikan ke dalam tiga kelas sentimen: positif, netral, dan negatif. Kinerja klasifikasi dievaluasi menggunakan metrik Precision, Recall, F1-Score, dan Akurasi. Hasil menunjukkan bahwa 87,3% ulasan bersifat negatif, yang mengindikasikan adanya ketidakpuasan umum dari pengguna. Meskipun model mencapai akurasi keseluruhan sebesar 85,09%, analisis confusion matrix menunjukkan adanya bias yang kuat terhadap kelas mayoritas. Studi ini menekankan pentingnya penanganan ketidakseimbangan kelas dalam klasifikasi sentimen dan berkontribusi pada peningkatan metode evaluasi layanan publik digital.

lKata kunci: MyPertamina; Naive Bayes; Analisis Sentimen; Klasifikasi Teks; Metrik Evaluasi