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
15 Documents
Search results for
, issue
"Vol 7, No 1 (2021): Volume 7 No 1"
:
15 Documents
clear
<![CDATA[Prediksi Waktu Kedatangan Pelanggan Servis Kendaraan Bermotor Berdasarkan Data Historis menggunakan Support Vector Machine ]]>
<![CDATA[Nugroho, Benni Agung]]>;
<![CDATA[Pradana, Andika Kurnia Adi]]>;
<![CDATA[Nurfarida, Ellya]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 1 (2021): Volume 7 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v7i1.42964
<![CDATA[Dealer kendaraan perlu menjaga hubungan baik dengan pelanggan sehingga inti bisnis dealer dapat berlanjut dan berkembang. Salah satu strategi yang digunakan adalah memprediksi kapan pelanggan akan berkunjung lagi untuk servis kendaraan (layanan perawatan atau perbaikan kendaraan) berdasarkan analisis data riwayat kunjungan pelanggan. Dengan hasil prediksi berupa hari kedatangan pelanggan dimasa depan maka dealer kendaraan dapat mengingatkan pelanggan tentang kapan waktunya servis kendaraan. Support vector machine (SVM) adalah sebuah model pembelajaran mesin (machine learning) yang menggunakan hyperplane dan support-vector untuk memisahkan kelas dalam suatu ruang dimensi secara optimal sehingga sesuai untuk digunakan dalam pemecahan masalah prediksi waktu kedatangan pelanggan. SVM diimplementasikan untuk memprediksi kapan pelanggan akan datang lagi dimasa depan untuk perbaikan atau perawatan kendaraan. Hasil menunjukkan bahwa, dengan pemilihan metode yang tepat, SVM dapat memprediksi waktu kedatangan pelanggan dengan tingkat akurasi mencapai 92.5% berdasarkan validasi K-Fold cross-validation pada data latih dan mencapai rata-rata 97.33% untuk pengukuran nilai presisi, akurasi dan recall pada data uji]]>
<![CDATA[Analisis Simulasi Inverter Multilevel Kaskade dengan Teknik Selective Harmonic Elimination Pulse Width Modulation ]]>
<![CDATA[Hiendro, Ayong]]>;
<![CDATA[Yusuf, Ismail]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 1 (2021): Volume 7 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v7i1.40892
<![CDATA[Salah satu teknik pengendalian saklar-saklar semikonduktor daya dari inverter multilevel adalah menggunakan Pulse Width Modulation (PWM). Dari berbagai teknik PWM, Selective Harmonic Elimination Pulse Width Modulation (SHEPWM) merupakan teknik yang andal dalam mengeliminasi harmonisa-harmonisa tingkat rendah. Tujuan dari makalah ini adalah menjabarkan proses perhitungan, perancangan dan simulasi inverter multilevel kaskade dengan menggunakan teknik SHEPWM. Pulsa-pulsa pensaklaran setiap saklar semikonduktor daya inverter dibangun berdasarkan sudut-sudut pensaklaran optimum agar komponen harmonisa tertentu dapat tereliminasi. Demikian pula gelombang tegangan AC yang dihasilkan dapat diprediksi bentuknya berdasarkan hasil rancangan. Selanjutnya simulasi komputer dilakukan dengan perantara perangkat lunak PSPICE. Analisis hasil simulasi terhadap inverter 9-level menunjukkan komponen harmonisa ke-3, 5 dan 7 tereliminasi sama sekali. Hasil ini sesuai dengan perhitungan dan perancangan secara teoritis.]]>
<![CDATA[Optimasi Algoritma K-Means Clustering dengan Parallel Processing menggunakan Framework R ]]>
<![CDATA[Marieska, Mastura Diana]]>;
<![CDATA[Lestari, Suci]]>;
<![CDATA[Mahendra, Calvin]]>;
<![CDATA[Oktadini, Nabila Rizky]]>;
<![CDATA[Buchari, Muhammad Ali]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 1 (2021): Volume 7 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v7i1.43400
<![CDATA[Parallel processing sering digunakan untuk melakukan optimasi execution time terhadap algoritma data mining. Pada penelitian ini, parallel processing digunakan untuk melakukan optimasi pada algoritma clustering K-Means. Implementasi algoritma K-means dilakukan dengan memanfaatkan package yang tersedia pada framework R. Algoritma K-Means dijalankan secara serial dan parallel. Untuk mendapatkan persentase optimasi, maka dilakukan perbandingan antara execution time pada parallel processing dan execution time pada serial processing. Penelitian ini menggunakan dataset Boston Housing yang umum digunakan pada data mining. Skenario pengujian dibedakan berdasarkan jumlah core dan jumlah centroid. Hasil pengujian menunjukkan bahwa parallel processing untuk tiap skenario memiliki execution time yang lebih kecil daripada serial processing. Optimasi yang dihasilkan cukup signifikan, yakni bernilai 20% hingga 52%. Optimasi tertinggi didapatkan pada jumlah core terbanyak dan jumlah centroid terbesar.]]>
<![CDATA[Prototipe Peringatan Dini Banjir dengan Menerapkan Teknologi Internet of Thing ]]>
<![CDATA[Supriadi, Supriadi]]>;
<![CDATA[Wajiansyah, Agusma]]>;
<![CDATA[Putra, Arief Bramanto Wicaksono]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 1 (2021): Volume 7 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v7i1.43052
<![CDATA[Salah satu dampak nyata dari perubahan iklim adalah banjir yang telah terjadi lebih sering di banyak wilayah padat penduduk dan menyebabkan dampak pada kehidupan manusia dan mata pencaharian. Tujuan penelitian ini adalah membangun algoritma untuk memudahkan seseorang atau pengguna dapat mengetahui kondisi dan mendapat peringatan tentang ketinggian permukaan air terhadap permukaan jalan raya. Pengguna dapat memonitor ketinggian air dengan menggunakan smartphone apabila ketinggian permukaan air kanal dibawah permukaan jalan, dan pengguna akan mendapat peringatan apabila tiba-tiba permukaan air meningkat melebihi permukaan jalan secara real time. Untuk medapatkan ketinggian permukaan air kanal, dengan cara memanfaatkan rambatan gelombang suara ultrasonit yang dipantulkan pada obyek. Dengan diketahuinya jarak obyek, maka dapat dilakukan komputasi untuk mengetaui ketinggian permukaan air kanal. Nilai ketinggian permukaan air kanal dikrim melalui jaringan internet menuju Internet of Thing (IoT) cloud server yang dapat di monitor oleh pengguna. Sedangkan nilai ketinggian permukaan air kanal yang tidak normal akan menjadi keputusan untuk memberi interupsi peringatan kepada pengguna, apabila pengguna sedang tidak dalam keadaan sedang memantau. Hasil percobaan pada prototipe ini mampu memberikan representasi variabel ketinggian permukaan air dalam bentuk grafis dan nilai numerik, serta mampu memberi peringatan pada pengguna melalui smartphone. Sistem peringatan dini banjir mampu merepresentasikan data dalam bentuk level vertikal dan data numerik dengan tinggkat ketinggian air paling rendah adalah -150 cm dan paling tinggi 130 cm, dengan representasi nilai 0 cm apabila tingkat ketinggian permukaan air sejajar dengan permukaan badan jalan. Interupsi peringatan muncul apabila nilai tingkat ketinggian air lebih dari 0 cm.]]>
<![CDATA[Basis Pengetahuan untuk Gangguan Perilaku Anak dengan Model Keputusan Kelompok ]]>
<![CDATA[Rahmah, Ulfatur]]>;
<![CDATA[Tursina, Tursina]]>;
<![CDATA[Sastypratiwi, Helen]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 1 (2021): Volume 7 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v7i1.43686
<![CDATA[Basis pengetahuan merupakan komponen yang penting dalam membangun suatu sistem cerdas terutama yang berkaitan dengan sistem yang membutuhkan kepakaran atau keahlian. Dalam penelitian ini, dibangun sebuah basis pengetahuan dengan model keputusan kelompok, yaitu keputusan yang diambil dari beberapa pakar yang berkaitan dengan gangguan perilaku pada anak. Pakar dalam hal ini berperan sebagai pengambil keputusan dalam memberikan preferensi terhadap gejala yang sudah dikumpulkan. Preferensi yang diberikan oleh pakar yaitu menggunakan format vektor utilitas, format ini memiliki kemiripan dengan konsep fuzzy dimana nilai preferensi yang diberikan yaitu dengan rentang 0 sampai 1. Hasil dari vektor utilitas tersebut kemudian ditransformasikan menjadi relasi preferensi fuzzy dalam bentuk matrik. Matrik preferensi fuzzy yang telah dibentuk diagregasikan dengan operator Ordered Weighted Averaging (OWA) dan dilakukan perangkingan dengan operator Quantifier Guided Dominance Degree (QGDD)  untuk mendapatkan nilai bobot rule yang terbentuk atau nilai kinerja. Pada penelitian ini terkumpul sebanyak 20 gejala dengan 5 gangguan perilaku pada anak. Berdasarkan pengujian kevalidan data dengan menggunakan member check dan juga triangulasi . Basis pengetahuan dengan mengimplementasikan model keputusan kelompok ini menghasilkan sebanyak 19 pengetahuan dalam bentuk IF-THEN dengan bobot yang berbeda.]]>
<![CDATA[Segmentasi Kerusakan Daun Padi pada Citra Digital ]]>
<![CDATA[Anwar, Khoerul]]>;
<![CDATA[Setyowibowo, Sigit]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 1 (2021): Volume 7 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v7i1.42331
<![CDATA[Kerusakan daun padi menyebabkan produksi padi mengalami penurunan dan kerugian ekonomi terutama di bidang pertanian. Pada bidang visi komputer hal penting dalam mendeteksi kerusakan adalah melakukan segmentasi area daun yang rusak. Berbagai kajian tentang segmentasi area telah dilakukan oleh para peneliti sebelumnya. Namun pada penelitian ini dikaji tentang segmentasi otomatis.  Pada  penelitian ini bertujuan untuk mendapatkan warna citra yang menghasilkan segmentasi kerusakan pada daun padi terbaik. Penulis mengusulkan metode baru untuk segmentasi berdasarkan statistika nilai piksel citra daun padi sebagai alternatif dari metode yang sudah ada. Statistika nilai piksel untuk segmentasi yang digunakan adalah 0.20 dari nilai tertinggi masing-maisng komponen warna Hue, Saturation, Value (0.20 * maks (HSV)). Metode yang diusulkan telah diujikan pada komponen warna Hue, Saturation, Value dan Grayscale. Hasil yang diperoleh dari pengujian menunjukkan bahwa komponen warna Hue sukses melakukan segmentasi, sementara komponen warna Saturation, Value dan pada citra dengan warna grayscale gagal melakukan segmentasi..]]>
<![CDATA[Kajian Ilmiah dan Deteksi Adiksi Internet dan Media Sosial di Indonesia Menggunakan XGBoost ]]>
<![CDATA[Rismala, Rita]]>;
<![CDATA[Novamizanti, Ledya]]>;
<![CDATA[Ramadhani, Kurniawan Nur]]>;
<![CDATA[Rohmah, Yuyun Siti]]>;
<![CDATA[Parjuangan, Sabam]]>;
<![CDATA[Mahayana, Dimitri]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 1 (2021): Volume 7 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v7i1.43606
<![CDATA[Internet dan media sosial telah menjadi kebutuhan pokok manusia untuk mengakses informasi, terutama di masa pandemi COVID-19 saat ini. Hal ini penting untuk dikaji karena berdampak pada perilaku dan kesehatan psikologi seseorang. Berdasarkan sudut pandang filsafat sains, adiksi internet dan media sosial di Indonesia merupakan kenyataan saintifik karena telah memenuhi kriteria falsifikasi dan bisa diuji (testable) secara empiris. Hasil survei terhadap 1980 responden, diperoleh 25,56% responden teradiksi internet dan 20,2% teradiksi media sosial. Penelitian ini juga berhasil membangun model untuk mendeteksi adiksi internet dan media sosial menggunakan XGBoost, dengan F-Measure sebesar 69,23% untuk adiksi internet dan 67,66% Â untuk adiksi media sosial. Oleh karena itu, fenomena adiksi internet dan media sosial ini perlu mendapatkan perhatian khusus agar dapat diantisipasi sejak dini.]]>
<![CDATA[Desain Jaringan Distribusi Bantuan Sosial Beras Sejahtera (Bansos Rastra) menggunakan Metode Distribution Requirement Planning ]]>
<![CDATA[Himawan, Fiqri]]>;
<![CDATA[Ripanti, Eva Faja]]>;
<![CDATA[Mutiah, Nurul]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 1 (2021): Volume 7 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v7i1.44077
<![CDATA[Desain jaringan distribusi merupakan bagian Supply Chain Management (SCM) untuk mengoptimalkan jaringan distribusi agar terhindar dari kelebihan atau kekurangan inventory. Penelitian ini dilakukan pada Perum BULOG Divisi Regional Kalimantan Barat dengan mengadopsi konsep Distribution Requirement Planning (DRP) yang berfokus kepada inventory dan saluran distribusi. Tujuan penelitian ini adalah mendesain jaringan distribusi Bantuan Sosial Beras Sejahtera (Bansos Rastra) yang dapat digunakan sebagai pedoman untuk mengoptimalkan sistem distribusi sehingga memberikan layanan terbaik kepada masyarakat. Metodologi penelitian yang dilakukan yaitu pengumpulan data, menganalisis kebutuhan, perancangan dan implementasi. pengumpulan data melalui studi literatur, wawancara dan observasi. Analisis dan Perancangan dilakukan dengan pendekatan System Development Life Cycle (SDLC) yang diilustrasikan dalam bentuk Unified Modelling Language (UML) berupa class diagram. Pengujian dilakukan dengan cara User Acceptance Testing (UAT) dengan teknik in-depth interview. Hasil pengujian model jaringan distribusi Bansos Rastra dapat diterapkan pada Perum BULOG Divre Kalbar. Secara keseluruhan, desain jaringan distribusi dapat membantu mengoptimalkan jaringan distribusi agar lebih efisien.]]>
<![CDATA[Klasifikasi Pertanyaan Bidang Akademik Berdasarkan 5W1H menggunakan K-Nearest Neighbors ]]>
<![CDATA[Nugraha, Kristian Adi]]>;
<![CDATA[Herlina, Herlina]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 1 (2021): Volume 7 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v7i1.45322
<![CDATA[Pertanyaan merupakan metode terbaik dan termudah untuk menggali sebuah informasi. Menurut aturan 5W1H, terdapat enam bentuk dasar pertanyaan yang dapat digunakan untuk memperoleh informasi, yaitu: what, where, when, why, who, how. Banyak jurnalis yang menggunakan metode ini, karena dapat diimplementasikan dengan cepat dan mudah untuk membangun sebuah pertanyaan. Untuk membuat sebuah sistem yang dapat memahami sebuah pertanyaan, misalnya seperti pada chatbot, terdapat metode khusus yang harus diterapkan untuk dapat membedakan keenam jenis pertanyaan yang ada. Penelitian ini mencoba untuk melakukan klasifikasi terhadap dokumen pertanyaan berdasarkan aturan 5W1H, dengan menggunakan tokenisasi dan stemming pada tahap pra-pemrosesan, kemudian K-Nearest Neighbors (K-NN) untuk mengklasifikasikan pertanyaan. Berdasarkan hasil pengujian, nilai akurasi tertinggi adalah 70.27% untuk k = 5.]]>
<![CDATA[Sistem Klasifikasi Jenis dan Warna Kendaraan Secara Real-time Menggunakan Metode k-Nearest Neighbor dan Framework YOLACT ]]>
<![CDATA[Kurniawan, Laurensius Adi]]>;
<![CDATA[Agung Bayupati, I Putu]]>;
<![CDATA[Wibawa, Kadek Suar]]>;
<![CDATA[Sukarsa, I Made]]>;
<![CDATA[Gunawan, I Kadek]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 7, No 1 (2021): Volume 7 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v7i1.43073
<![CDATA[Peningkatan jumlah dan variasi jenis kendaraan terus berkembang seiring dengan meningkatnya permintaan pasar. Permasalahan baru timbul akibat meningkatnya jumlah dan variasi jenis kendaraan seperti meningkatnya pelanggaran lalu lintas dan kriminalitas. Dengan kondisi ini, pengawasan pelanggar lalu lintas dan kriminalitas secara manual oleh pihak berwajib akan lebih sulit dilakukan terutama di daerah perkotaan. Sistem pengenalan jenis dan warna kendaraan atau Vehicle Color, Make and Model Recognition (VCMMR) adalah komponen penting dalam pengembangan sistem pengawasan keamanan di era otomatisasi. Dengan memanfaatkan CCTV, sistem ini dapat diaplikasikan pada sistem gerbang otomatis, pengawasan kendaraan otomatis, pemantauan lalu lintas, dll. Sistem VCMMR yang dapat bekerja secara real-time dapat meningkatkan keamanan dengan menghasilkan data kendaraan lengkap berupa warna, merek dan model kendaraan selain menggunakan pengenalan plat nomor kendaraan. Penelitian ini menggunakan metode k-Nearest Neighbor untuk mengklasifikasikan warna kendaraan dan framework YOLACT dengan arsitektur ResNet-50 yang telah dilatih untuk mengenali merek dan model kendaraan. Dataset dalam penelitian ini terdiri dari 10 jenis kendaraan dengan 40 citra data latih tiap kelas dan 10 warna dengan 25 citra data latih tiap kelas. Pengujian dilakukan menggunakan enam model YOLACT dengan epoch berbeda dan tiga variasi frame sampling untuk mengurangi waktu komputasi. Hasil pengujian pada video data uji empat kendaraan menunjukkan bahwa frame sampling 250 milidetik menghasilkan performa terbaik dengan waktu komputasi rata-rata 16,08 detik. Model YOLACT dengan epoch yang lebih besar mampu mengenali kendaraan yang berada jauh dari kamera (objek kecil) dengan lebih baik, akurasi yang diperoleh yaitu 91,67% pada epoch 517.]]>
