Jurnal Edukasi dan Penelitian Informatika (JEPIN)
Jurnal Edukasi dan Penelitian Informatika (JEPIN) merupakan peer reviewed journal di bidang informatika. Jurnal ini diterbitkan 3 bulan dalam setahun (April, Agustus, dan Desember) oleh Program Studi Informatika, Fakultas Teknik, Universitas Tanjungpura, Indonesia.
Articles
18 Documents
Search results for
, issue
"Vol 6, No 1 (2020): Volume 6 No 1"
:
18 Documents
clear
<![CDATA[PENERAPAN METODE CASE BASED REASONING DAN K-NEAREST NEIGHBOR UNTUK DIAGNOSA PENYAKIT DAN HAMA PADA TANAMAN KARET ]]>
<![CDATA[Sulistiani, Heni]]>;
<![CDATA[Darwanto, Imam]]>;
<![CDATA[Ahmad, Imam]]>
<![CDATA[ Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 6, No 1 (2020): Volume 6 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v6i1.37256
<![CDATA[Petani karet di wilayah Kabupaten Tulang Bawang sering menemukan masalah seperti penyakit dan hama tanaman karet yang dapat mengakibatkan kematian pada tanaman karet, antara lain penyakit pada bidang sadap, dan hama penggangu seperti rayap dan kutu tanaman. Penyakit tersebut dapat dideteksi melalui gejala-gejala yang ditimbulkan. Akan tetapi untuk mengetahui jenis penyakit yang menyerang tanaman karet diperlukan seorang pakar pertanian dan perkebunan. Namun, saat ini petani di Tulang Bawang masih memliki kekurangan dalam hal pengetahuan untuk pencegehan dan penanganan penyakit tanaman karet. Untuk itu, diperlukan suatu sistem yang berisikan pengetahuan tertentu dalam hal kepakaran melalui pendekatan kemampuan manusia di salah satu bidang. Salah satunya adalah sistem pakar. Berbagai metode telah diterapkan untuk membangun sistem pakar, diantaranya adalah Metode Case Base Reasoning dan K-Nearest Neighbor. Metode ini digunakan untuk mencari solusi dari permasalahan berdasarkan pengalaman kasus masa lalu dan pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama. Hasil pengujian keakuratan kesesuaian antara data testing yang diperoleh dari pakar dengan hasil pengolahan sistem adalah sebesar 80%.]]>
<![CDATA[Penyusunan File Fingerprint untuk Berkas Jpeg/exif dengan Hash Function SHA512 dan Algoritma Boyer-Moore String Matching ]]>
<![CDATA[Fitriyanto, Rachmad]]>;
<![CDATA[Yudhana, Anton]]>;
<![CDATA[Sunardi, Sunardi]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 6, No 1 (2020): Volume 6 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v6i1.33119
<![CDATA[Pengamanan berkas jpeg/exif dalam komunikasi digital umumnya bersifat untuk pencegahan, belum dapat digunakan untuk pendeteksian keutuhan data. File Fingerprint merupakan konsep sidik jari yang disusun berdasarkan konten dari dokumen digital. Penelitian ini bertujuan untuk menyusun file fingerprint dari berkas jpeg/exif yang dapat digunakan untuk mendeteksi terjadinya modifikasi pada berkas. Penyusunan file fingerprint dilakukan dalam lima tahap. Tahap pertama adalah identifikasi struktur berkas jpeg/exif menggunakan algoritma Boyer-Moore string matching untuk menentukan indeks lokasi segmen jpeg/exif. Tahap kedua adalah akuisisi konten segmen. Tahap ketiga adalah penghitungan hash value menggunakan hash function SHA512. Tahap keempat adalah pengujian modifikasi berkas jpeg/exif. Tahap kelima adalah penyusunan file fingerprint. Hasil yang diperoleh menunjukkan file fingerprint dari berkas jpeg/exif berasal dari tiga segmen, SOI, APP1 dan SOF0. Hash value dari segmen SOI digunakan untuk mendeteksi modifikasi dalam bentuk konversi tipe berkas dan penambahan objek pada gambar. Hash value dari segmen APP1 untuk mendeteksi modifikasi pada metadata. Hash value dari segmen SOF0 untuk mendeteksi modifikasi dalam bentuk resizing, recoloring dan cropping. Berkas file fingerprint yang dihasilkan memiliki ukuran rata-rata 0,017% dari ukuran berkas gambar dari smartphone Asus Z00UD dan 0,015% dari ukuran berkas gambar dari smartphone Samsung Galaxy A5.]]>
<![CDATA[PENGUKURAN KESUKSESAN IMPLEMENTASI E-LEARNING DENGAN METODE TAM DAN UTAUT ]]>
<![CDATA[Wassalam, Ockhy Jey Fhiter]]>;
<![CDATA[Umar, Rusydi]]>;
<![CDATA[Yudhana, Anton]]>
<![CDATA[ Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 6, No 1 (2020): Volume 6 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v6i1.37938
<![CDATA[Penelitian ini dilakukan untuk mengetahui tingkat penerimaan kesuksesan dalam penggunaan sistem e-learning pada Universitas Janabadra Yogyakarta menggunakan metode TAM dan UTAUT. Data dalam penelitian ini dikumpulkan dengan mengunakan kuesioner yang disebar kepada 30 responden yaitu mahasiswa/i Fakultas Ekonomi di Universitas Janabadra Yogyakarta. Data yang diperoleh dihitung dalam bentuk kuantitatif analisis interval menggunakan skala likert. Hasil penelitian ini menunjukkan tingkat pengukuran kesuksesan dalam penggunaan sistem e-learning secara keseluruhan dengan persentase sebesar 68,03%. Dari persentase ini dapat disimpulkan bahwa sistem e-learning sudah dapat diterima dan sudah digunakan oleh responden yaitu mahasiswa/i Fakultas Ekonomi Universitas Janabadra Yogyakarta. Berdasarkan hasil perbandingan kesuksesan analisis data dengan menggunakan metode TAM persentase sebesar 66,75%, dengan menggunakan metode UTAUT persentase sebesar 69,66%.]]>
<![CDATA[Studi Komparatif Algoritma Fisher Yates dengan Brute Force pada Permainan Kartu 24 ]]>
<![CDATA[Ndaumanu, Ricky Imanuel]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 6, No 1 (2020): Volume 6 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v6i1.35948
<![CDATA[Salah satu penyelesaian dari masalah optimasi kombinatorial yang cukup popular dalam dunia nyata adalah dengan menggunakan algoritma shuffling, seperti algoritma Brute Force dan algoritma Fisher Yates. Dari studi yang pernah dilakukan dari kedua algoritma tersebut dapat menghasilkan solusi yang optimal. Kedua algoritma dapat memberikan hasil nilai yang terbaik. Pada studi ini dilakukan untuk mengetahui seberapa cepat diantara kedua algoritma tersebut mendapatkan nilai optimal dengan cara menghitung jumlah looping yang dilakukan oleh setiap algoritma setelah proses pengacakan data. Sampling data random yang sama akan tetapi jika diacak dengan cara yang berbeda akan memberikan hasil looping berbeda. Looping yang rendah akan menghasilkan nilai yang lebih capat dari looping yang tinggi. Pada penelitian ini, algoritma Brute Force memberikan hasil 24% lebih capat dari pada algoritma Fiser Yates. Prototipe dari algoritma Brute Force dan algoritma Fisher Yates untuk mendapatkan nilai maksimal di implementasikan pada Games permainan kartu 24. Permainan Kartu 24 merupakan permainan kartu yang ideal dalam menyimpan dan mengacak kartu. Penelitian ini menunjukan bahwa Algoritma Brute Force memberikan hasil looping yang lebih baik dari pada Algoritma Fisher Yates. Implementasi penelitian ini menggunakan algoritma shuffling berbasis objek dengan menggunakan bahasa pemprograman JAVA SE 8u221 dan diuji dengan menggunakan simulasi data aktual dari permainan kartu 24.]]>
<![CDATA[PENGENDALIAN LAMPU LALU LINTAS CERDAS DI PERSIMPANGAN EMPAT RUAS YANG KOMPLEKS MENGGUNAKAN ALGORITMA ADAPTIVE NEURO FUZZY INFERENCE SYSTEM ]]>
<![CDATA[Santoso, Budy]]>;
<![CDATA[Azis, Azminuddin I. S.]]>;
<![CDATA[Bode, Andi]]>
<![CDATA[ Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 6, No 1 (2020): Volume 6 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v6i1.37311
<![CDATA[Masalah transportasi masih sering dihadapkan pada fenomena kemacetan arus lalu lintas yang berdampak pada kecelakaan lalu lintas, polusi, dan kerugian ekonomi. Salah satu cara untuk meminimalisir fenomena tersebut melalui pengendalian sistem lampu lalu lintas yang baik terhadap arus lalu lintas jangka pendek di persimpangan jalan. Pengendalian lampu lalu lintas secara statis terbukti belum optimal dalam meminimalisir kemacetan arus lalu lintas, salah satu penyebabnya karena kondisi arus lalu lintas yang bervariasi sehingga tidak mudah diprediksi. Fuzzy Inference System (FIS) sering terbukti mampu menunjukkan hasil yang lebih baik daripada pengendalian lampu lalu lintas secara statis. Namun FIS tidak dapat diterapkan pada kondisi arus lalu lintas yang bervariasi atau di persimpangan jalan yang berbeda karena metode tersebut tidak mampu mempelajari kondisi arus lalu lintas secara real time. Agar FIS mampu melakukan pembelajaran, maka pendekatan machine learning dapat diterapkan pada FIS. Salah satu pengembangannya adalah Adaptive Neuro Fuzzy Inference System (ANFIS) yang dapat mengendalikan lampu lalu lintas cerdas secara dinamis dengan hasil yang lebih baik daripada FIS. Namun umumnya ANFIS diuji coba pada persimpangan jalan yang normal. Bagaimana jika di persimpangan yang kompleks? Persimpangan yang memiliki beberapa ruas/jalur utama yang besar (jalur poros), sementara ruas laiinya kecil, bahkan terdapat ruas yang tidak berpotongan, sehingga ada prioritas untuk setiap ruasnya. Hasilnya, penerapan ANFIS (3 GaussMf) untuk pengendalian lampu lalu lintas cerdas/dinamis di persimpangan empat ruas yang kompleks mampu mereduksi Average Waiting Times (AWT) rata-rata sebesar 3,4071E-05 detik dengan 2,7156 RMSE rata-rata, menggunakan variabel Queues Quantity dan Priority Degree. Sedangkan jika menggunakan variabel Arrival Times, Transportation Type, dan Goal Junction, ANFIS (4 TrapMf) mampu mereduksi AWT sebesar 0,0779 detik dengan 19,7646 RMSE.]]>
<![CDATA[EKSTRAKSI RELASI MERONYMY DENGAN LEXICO-SYNTACTIC PATTERNS ]]>
<![CDATA[Kardinata, Eunike]]>;
<![CDATA[Rakhmawati, Nur Aini]]>
<![CDATA[ Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 6, No 1 (2020): Volume 6 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v6i1.36549
<![CDATA[Ontologi terdiri atas konsep dan relasi yang masing-masing dapat diekstrak dengan berbagai macam metode. Salah satu metode yang dapat digunakan untuk ekstraksi relasi adalah metode berdasarkan Lexico-Syntactic Patterns. Secara sederhana, ekstraksi relasi dilakukan dengan mendapatkan sebuah pola yang menunjukkan sebuah relasi. Kemudian dilakukan percobaan untuk menguji apakah pola yang didapatkan mampu memprediksi relasi dengan tepat. Pada penelitian ini dilakukan percobaan untuk menguji pola relasi meronymy yang didapatkan dari dataset penelitian terdahulu. Evaluasi dilakukan dengan menggunakan nilai recall dan precision. Dari penelitian ini, ditemukan bahwa banyaknya (keragaman) variasi dalam sekumpulan pola yang menunjukkan suatu relasi dapat mempengaruhi kemampuan kumpulan pola tersebut untuk memprediksi relasi dengan tepat. Semakin banyak variasi pola dalam satu relasi, maka ketepatan prediksi cenderung menurun.]]>
<![CDATA[Analyzing User Experience of Website for the Learning of Programming Language ]]>
<![CDATA[Derisma, Derisma]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 6, No 1 (2020): Volume 6 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v6i1.40000
<![CDATA[User experience is a term for the experience of users in having an easiness and efficiency in the interaction between humans and computers. CodeSaya is an easy, fun, and free place to learn about coding. There are some Programming Languages which can be learned. This research aimed to analyze the effectiveness of the codesaya.com website to learn the basics of programming by using a measurement method of the User Experience Questionnaire (UEQ). There are six examined scales, namely attractiveness, perspicuity, efficiency, dependability, stimulation, and novelty. The testing results showed that those six scales positively affected the students' attentions to use the programming framework with 1.722 of attractiveness score, 1.456 of perspicuity score, 1.718 of efficiency score, 1.46 of dependability score, and 1.44 of stimulation score, these scores showed that the five scales were at a high level, while novelty was at a moderate level with 1.147 of the score. According to the whole data processing and analysis were done in this study, it can be concluded that CodeSaya Website can improve the learning effectiveness of Programming Languages.]]>
<![CDATA[DIAGNOSIS TAHAPAN PENGGUNA NARKOBA MENGGUNAKAN METODE K-NEAREST NEIGHBOR ]]>
<![CDATA[Tursina, Tursina]]>;
<![CDATA[Muhardi, Hafiz]]>;
<![CDATA[Sari, Dian Aulia]]>
<![CDATA[ Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 6, No 1 (2020): Volume 6 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v6i1.36133
<![CDATA[Narkoba merupakan bahan yang sangat bermanfaat untuk pengobatan, namun jika disalahgunakan akan memberikan dampak buruk yang luar biasa seperti gangguan kesehatan, gangguan kejiwaan hingga kematian. Seorang pengguna narkoba cenderung tertutup dan tidak ingin berkonsultasi langsung ke dokter maupun rehabilitasi dikarenakan pengguna malu dengan kondisinya, biaya yang relatif mahal, jarak dan waktu yang ditempuh, takut dilaporkan dan tanggapan negatif dari masyarakat. Tujuan dilakukannya penelitian ini adalah untuk membantu seorang pengguna narkoba ataupun bagi seseorang yang dicurigai sebagai pengguna narkoba dalam mendiagnosis tahapan pengguna narkoba dan memberikan solusi serta saran terhadap pengguna narkoba tersebut. Case based reasoning merupakan penalaran yang digunakan untuk menyelesaikan kasus baru dengan cara mengadaptasi solusi yang terdapat pada kasus-kasus sebelumnya, yang mempunyai permasalahan yang mirip dengan kasus baru. Pada tahapan retrieve, terjadi proses menghitung similaritas antara kasus baru dan kasus lama. Perhitungan similaritas kasus pada penelitian ini menggunakan metode k-nearest neighbor. Pengujian hasil akhir sistem menggunakan pengujian tahapan CBR dan pengujian kinerja metode k-nearest neighbor. Hasil pengujian mengukur kinerja dari metode k-nearest neighbor dengan nilai k=7, tingkat akurasi untuk 10-fold cross validation sebesar 98,333%, confusion matrix sebesar 100% dan termasuk excellent classification karena memiliki nilai AUC 1,000.]]>
<![CDATA[Integrasi Microlecture pada Kelas Virtual Berbasis 3D Virtual Learning Environment ]]>
<![CDATA[Rizal, Adhi]]>;
<![CDATA[Yusup, Dadang]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 6, No 1 (2020): Volume 6 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v6i1.37588
<![CDATA[Penelitian ini bertujuan untuk mengintegrasikan dan mengimplementasikan konsep microlecture ke dalam lingkungan virtual 3 dimensi. Micro-video yang dikembangkan terdiri dari tiga bagian utama, yaitu bagian pendahuluan, inti, dan penutup dengan durasi masing-masing sekitar 30 detik, 12 menit, dan 11 detik. Micro-video dibuat dengan menggunakan bantuan kamera, microphone, dan beberapa video editor tools. Sedangkan lingkungan pembelajaran virtual (Virtual Learning  Environment-VLE) dikembangkan berdasarkan framework ADDIE (Analysis, Design, Development, Implementation, Evaluation). Setelah lingkungan virtual berhasil dikembangkan, maka micro-video diintegrasikan ke dalamnya dan disajikan melalui objek presenter sehingga dapat dipelajari oleh peserta didik. Hasil implementasi menunjukan bahwa integrasi konsep yang diusulkan dapat meningkatkan hasil belajar peserta didik dibandingkan dengan konsep konvensional. Selain itu, hasil penerimaan pengguna berdasdarkan HMSAM (Hedonic Motivation System Adoption Model) menunjukan bahwa sistem yang dikembangkan dapat diterima untuk digunakan dalam proses pembelajaran.]]>
<![CDATA[Mobile expert for Tobacco Disease Identification Using The Fuzzy Inference System Tsukamoto ]]>
<![CDATA[Syarief, Mohammad]]>;
<![CDATA[Imamah, Imamah]]>;
<![CDATA[Husni, Husni]]>;
<![CDATA[MS, Akhmad Tajuddin Tholaby]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 6, No 1 (2020): Volume 6 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v6i1.37258
<![CDATA[Madura Island is a producer of aromatics tobacco known as Madura Tobacco. One type of Madura tobacco that has superior quality is tobacco Campalok. This tobacco is only in the village of Bakeong Guluk-Guluk district of Sumenep. Its price for each kilogram can penetrate up to two million rupiahs. But failing to harvest due to illness or pests can decrease the quality and price of tobacco Campalok, while the access to consult the agricultural experts in Sumenep district is far enough so the public difficulty getting information faster on tobacco disease treatment. This is the underlying research on the expert system for the identification of diseases in the Android-based tobacco crop.This Expert System was developed by utilizing Android-based mobile technology using the Fuzzy Inference System Tsukamoto method. Farmers who will use this application only enter the characteristics of tobacco leaves that are exposed to pests then the expert system will provide a way of overcoming the pest disease based on the expertise of agricultural experts in Sumenep district Using the Fuzzy method. The result of this research showed that 8 from 10 of diseases were successfully detected by the application so that the accuracy of this application compared to the human expert system is 80 %.]]>
