cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota pontianak,
Kalimantan barat
INDONESIA
Jurnal Edukasi dan Penelitian Informatika (JEPIN)
Published by Universitas Tanjungpura
ISSN : 24600741     EISSN : 25489364     DOI : -
Core Subject : Science, Education,
Computer Science & IT Education
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.
Arjuna Subject : -
Articles 24 Documents
 1   2   3 
Search results for , issue "Vol 8, No 2 (2022): Volume 8 No 2" : 24 Documents clear
Analisis Perbandingan Algoritma LSTM dan Naive Bayes untuk Analisis Sentimen Auliya Rahman Isnain; Heni Sulistiani; Bagus Miftaq Hurohman; Andi Nurkholis; Styawati Styawati
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.54704

Abstract

New Normal merupakan sebuah sebutan bagi kebijakan pemerintah untuk mengizinkan masyarakatnya melakukan aktifitas seperti biasa di tengah pandemi Covid-19 yang sedang melanda dengan tetap memperhatikan protokol kesehatan. Kebijakan ini menimbulkan berbagai tanggapan dari masyarakat terutama di media sosial twitter. Untuk itu, diperlukan proses analisis sentimen untuk melakukan pemrosesan terhadap teks yang didapat dari twitter. Analisis sentimen adalah bentuk representasi dari text mining dan text processing. Pada penelitian ini melakukan perbandingan kinerja metode Long Short Therm Memory dengan Naïve Bayes terhadap analisis sentimen Kebijakan New Normal. Hasil yang diperoleh dari penelitian ini yaitu metode  LSTM memiliki kinerja yang lebih baik bila dibandingkan dengan Naïve Bayes. Metode LSTM menghasilkan nilai akurasi, presisi dan recall sebesar 83.33%. Sedangkan metode Naïve Bayes memiliki nilai akurasi, presisi dan recall sebesar 82%.
Klasifikasi Citra Burung Jalak Menggunakan Artificial Neural Network dan Random Forest Aviv Yuniar Rahman
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.53480

Abstract

Klasifikasi Citra Burung Jalak Menggunakan Fitur ekstraksi GLCM dan Artificial Neural Network sebelumnya sudah pernah diteliti. Hasil dalam penelitian tersebut menunjukkan tingkat akurasi dalam klasifikasi jenis burung jalak hanya mencapai 49,20% dengan split ratio 50:50.Oleh karena itu, peneliti mengusulkan klasifikasi citra burung jalak menggunakan Artificial Neural Network dan Random Forest. Klasifikasi ini bertujuan untuk meningkatkan hasil akurasi sebelumnya. Hasil dalam pengujian yang dilakukan antara Artificial Neural Network dengan Random Forest bisa disimpulkan bahwa pada fitur Wavelet memiliki hasil yang maksimal pada proses klasifikasi burung jalak. Hasil dalam pengujian dimulai dengan Artificial Neural Network memiliki nilai tertinggi pada precision mencapai 0.986, recall 0.987, f-measure sebesar 0.988 dan accuracy sebesar 89% pada split ratio 50:50. Hasil dari Random Forest memiliki nilai tertinggi pada precision mencapai 1.000, recall mencapai 0.877, f-measure mencapai 0.975 dan accuracy mencapai 100% dengan perbandingan mulai dengan 50:50. Hasil klasifikasi citra burung jalak dari segi matrix confusion menunjukkan bahwa perbandingan data antara 10:90 sampai dengan 90:10 juga sangat berpengaruh dalam proses ketepatan dalam mengklasifikasi. Pengujian yang telah dilakukan telah membuktikan bahwa metode Random Forest dapat memperbaiki kinerja dan hasil pada metode Artificial Neural Network. Serta dalam hal ini menunjukkan Random Forest lebih baik dalam ketepatan dan keakuratan dibandingkan dengan Artificial Neural Network dalam mengklasifikasi jenis burung jalak
Aplikasi Manajemen Berkas Usulan dan Penilaian Sidang Skripsi menggunakan Layanan Google Drive API Willy Ferry; Yus Sholva; Haried Novriando
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.54571

Abstract

Proses skripsi di Jurusan Informatika Universitas Tanjungpura saat ini menggunakan aplikasi SPOTA (Sistem Pendukung Outline Tugas Akhir) yang berbasis web dimana terjadinya proses penentuan kelayakan usulan topik skripsi mahasiswa. Saat usulan topik skripsi diterima maka dilanjutkan ke tahapan seminar, dimana mahasiswa melakukan pemberkasan administrasi secara fisik. Namun sejak terjadi pandemi Covid-19, pemberkasan administrasi dilakukan secara digital dengan memanfaatkan layanan Google Drive. Permasalahan terjadi pada berkas digital yang diunggah mahasiswa ke folder milik Staff Bagian Administrasi, kepemilikan berkas tetap pada mahasiswa sehingga dapat dihapus olehnya. Staff Bagian Administrasi menyalin dan memindahkan berkas ke folder khusus pada Drive sehingga tidak bisa dihapus oleh mahasiswa. Masalah berikutnya adalah penilaian yang di-input dan dihitung secara manual bersamaan dengan penerbitan dokumen berita acara seminar yang menggunakan layanan Google Document. Dokumen berita acara tidak dapat diakses mahasiswa karena terdapat tanda tangan digital dosen, sementara itu catatan/komentar revisi para dosen pada berita acara harus diketahui mahasiswa. Dalam penelitian ini dikembangkan aplikasi berbasis web untuk menangani pemberkasan, penilaian, serta penerbitan berita acara seminar dengan memanfaatkan layanan Google Drive API menggunakan akun resmi Staff Bagian Administrasi. Dengan demikian berkas yang diunggah mahasiswa akan menjadi kepemilikan Staff Bagian Administrasi. Pengembangan aplikasi menggunakan metode Rapid Application Development (RAD) karena kebutuhan aplikasi belum dapat didefinisikan secara keseluruhan. Tujuan yang ingin dicapai adalah memudahkan proses pemberkasan, persetujuan berkas, penilaian dan penerbitan berita acara seminar menggunakan aplikasi. Pengujian aplikasi menggunakan metode Black Box pada fungsi utama yaitu proses upload berkas, persetujuan berkas, dan penilaian. Hasil pengujian aplikasi menunjukkan fungsi utama berjalan dengan baik.
Aplikasi Monitoring Berkas Perkara Tindak Pidana Umum pada Kejaksaan Negeri Ketapang Jordi Alviandi Liansyah; Novi Safriadi; Enda Esyudha Pratama
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.56670

Abstract

Berkas perkara merupakan hasil seluruh rangkaian proses penyidikan berupa administrasi penyidikan yang meliputi pencatatan, pelaporan, pembuatan berita acara, surat menyurat dan pendataan yang disusun, diikat, diberi sampul, disegel dan dijilid dengan rapi untuk segera diserahkan penyidik ke penuntut umum. Penanganan berkas perkara tindak pidana umum pada Kejaksaan Negeri Ketapang belum sepenuhnya berjalan dengan baik dan tepat waktu mengakibatkan penyerahan tersangka dan barang bukti menjadi lebih lama dan menyebabkan berkas perkara menumpuk. Hal ini dikarenakan penanganan berkas perkara yang berlarut-larut melewati batas waktu yang sudah ditetapkan. Analisa dilakukan dengan pendekatan System Development Life Cycle (SDLC) yaitu dengan model waterfall. Penelitian ini menghasilkan Aplikasi Monitoring Berkas Perkara Tindak Pidana Umum Pada Kejaksaan Negeri Ketapang. Aplikasi ini dapat membantu Kepala Seksi Tindak Pidana Umum pada Kejaksaan Negeri Ketapang dalam memonitoring proses penanganan perkara dengan memberikan notifikasi jika terdapat berkas yang baru masuk maupun berkas yang sudah melewati batas waktu yang ditentukan. Perancangan sistem dibangun dengan menggunakan Data Flow Diagram (DFD). Untuk pengujian aplikasi dilakukan dengan metode Black Box dan System Usability Scale (SUS). Berdasarkan hasil pengujian dengan metode Black Box yang dilakukan telah sesuai antara masukan dengan hasil yang ditampilkan. Pada pengujian System Usability Scale (SUS) mendapat skor 80,7 dan dikategorikan acceptable yang fungsinya sudah berjalan dengan baik.
Analisis Rules Intrusion Detection Prevention System (IDPS) Suricata untuk Mendeteksi dan Menangkal Aktivitas Crypto Mining pada Jaringan Fadhil Raditya; Jeckson Sidabutar
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.56194

Abstract

Perkembangan teknologi informasi sangat pesat khususnya perkembangan pada sektor finansial dalam hal ini adalah mata uang kripto. Salah satu cara untuk mendapatkan aset mata uang kripto adalah dengan melakukan penambangan mata uang kripto. Hal tersebut dapat memicu penyerang untuk membuat suatu aplikasi berbahaya yang disisipkan pada server perusahaan atau instansi, dan membuat aplikasi tersebut melakukan aktivitas penambangan mata uang kripto. Oleh karena itu sistem keamanan jaringan pada suatu instansi atau perusahaan harus menerapkan pengamanan tambahan dalam hal ini adalah Intrusion Detection Prevention System (IDPS) yang digunakan sebagai sistem pendeteksi serta penangkalan aktivitas berbahaya pada jaringan, salah satunya adalah penambangan mata uang kripto. Adapun aplikasi IDPS yang dapat diimplementasikan pada jaringan instansi atau perusahaan adalah Suricata. Penelitian ini melakukan analisis rules IDPS Suricata dalam mendeteksi dan menangkal aktivitas penambangan mata uang kripto pada jaringan. Terdapat 2 jenis simulasi yang dilakukan yaitu dengan membandingkan default rules dengan custom rules yang dibuat untuk mendeteksi dan menangkal aktivitas penambangan 10 jenis mata uang kripto diantaranya Ethereum (ETH), Conflux (CFX), Bitcoin Gold (BTG), Ethereum Classic (ETC), Monero (XMR), TON, AION, Zcash (ZEC), FLUX dan Raven (RVN). Analisis yang dilakukan meliputi perhitungan nilai accuracy, precision, recall, dan f-measure. Hasil yang didapat menunjukkan bahwa custom rules yang dibuat dan diimplementasikan untuk mendeteksi dan menangkal aktivitas penambangan mata uang kripto memiliki peningkatan nilai accuracy sebesar 0,2%, nilai recall sebesar 48,94%, dan nilai f-measure sebesar 32,39% dari default rules Suricata.
Audit Tata Kelola TI Pengadaan Alat Pembelajaran pada Domain APO02 (Studi Kasus : SMK N 1 Nglipar) Ridwan Dwi Irawan; Ema Utami; Alva Hendi Muhammad
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.55385

Abstract

Peran pengadaan alat pada suatu instansi dapat membantu suatu perusahaan atau organisasi dalam memutuskan jenis alat yang dibutuhkan guna mendukung suatu akitvitas organisasi maka perlu ditentukan secara akurat sehingga pelayanaan masyarakat dapat dipenuhi. Urgensi pengadaan alat diikat dalam Peraturan Presiden RI No 54 tahun 2010. Ditambah lagi jika alat disesuaikan dengan kegiatan yang spesifik tentu akan menambah efektivitas kegiatan operasional yang dalam hal ini adalah kegiatan belajar mengajar. Oleh karena itu, untuk keberlangsungan pembelajaran dan praktikum berbasis kejuruan tentu sekolah harus mampu memilih perangkat operasional yang tepat serta kemampuan dalam merencanankan pemilihan spesifikasi peralatan yang dapat diukur ke dalam sebuah dokumen hasil. Metode Penelitian yang ditargetkan adalah penelitian berbasis Kuantitatif seta COBIT 2019 sebagai framework tata kelola. Berdasarkan uraian yang telah dipaparkan, peneliti tertarik untuk menyajikan temuan yang didapatkan dari proses audit menggunakan cobit 2019 untuk disajikan kepada pengambil kebijakan  lebih komprehensif dan berimbang. Hasil yang didapat dari audit ini disampaikan bahwa  audit berhasil berada pada level 3 namun diperlukan penelitian lanjutan agar proses tata kelola bisa berada pada level selanjutnya dengan melengkapi GAP pada capability level berupa pembuatan pernyataan nilai yang menguraikan perubahan potensial pada kemampuan bisnis dan  TI, layanan I & T, dan arsitektur perusahaan, dampak dari tidak membuat perubahan,  definisi yang lebih baik dari lingkungan target, dan  manfaat dari lingkungan target yangi mengubah tujuan menjadi hasil  yang terukur.
Pemodelan Perkembangan New Cases Covid-19 di Indonesia Menggunakan Multi-Layer Perceptron dan Support Vector Machine Muhammad Ibnu Choldun Rachmatullah
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.53919

Abstract

Meningkatnya ketersediaan data historis dalam jumlah besar dan kebutuhan untuk membuat perkiraan yang akurat tentang perilaku masa depan menjadi perhatian khusus dalam mencari teknik yang dapat menarik kesimpulan dari mengamati hubungan antara data tertentu, antara data masa lalu dan data masa depan. Domain peramalan mengalami peningkatan sejak tahun 1960-an, dengan metode statistik linier, misalnya menggunakan model ARIMA. Baru-baru ini, model pembelajaran mesin telah menarik perhatian dan dapat digunakan sebagai teknik lain selain model statistik klasik untuk kasus peramalan. Penelitian ini memprediksi perubahan kasus baru positif Covid-19 per satu juta penduduk (new cases per million Covid-19) di Indonesia menggunakan pembelajaran mesin. Pemodelan perubahan new cases per million diperlukan karena penyakit ini merupakan penyakit baru, sehingga sampai saat ini belum ada pemodelan deret waktu yang cukup akurat untuk menggambarkan kasus tersebut. Teknik machine learning yang akan digunakan adalah Multi-Layer Perceptron (MLP) dan Support Vector Machine (SVM) dan dibandingkan kinerja dari kedua teknik tersebut. Dari hasil perhitungan kinerja, prediksi new cases per million Covid-19 yang dilakukan dengan menggunakan SVM(RMSE = 9,053) memiliki kinerja yang lebih baik dibandingkan dengan menggunakan MLP (RMSE = 10,284). Nilai RMSE yang lebih kecil menunjukkan kinerja yang lebih baik.
Ekstraksi Fitur Daun dengan Penerapan Metode Compressive Sensing Fellia Rizki Kusumowardani; Gelar Budiman; Sofia Saidah
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.49101

Abstract

Daun menjadi salah satu daya tarik manusia untuk melakukan kegiatan berkebun atau kegiatan lain seperti penjualan tanaman karena dari segi bentuk daun yang unik dan karakteristik yang bermacam-macam. Untuk mengetahui karakteristik pada jenis daun dilakukan proses ekstraksi fitur. Tujuan dari ekstraksi fitur ini untuk mengetahui bentuk, tekstur, warna,ukuran, dan nilai yang digunakan sebagai pembeda antara satu objek dengan objek lain. Pada penelitian ini menggunakan 32 citra daun. Metode yang digunakan pada penelitian ini yaitu Compressive Sensing (CS), Gray Level Co-Occurrence Matrix (GLCM), dan K-Nearest Neighbour (K-NN). Hasil yang diperoleh menunjukan kualitas dari kompresi ketika dilakukan pengujian dengan menggunakan rasio kompresi, MSE, PSNR, dan akurasi. Didapatkan hasil terbaik ketika menggunakan data latih bernilai 20, data uji bernilai 4, block bernilai 32, baris kompresi bernilai 32, dan resize berukuran 512  512 menghasilkan rasio kompresi bernilai 3,1%, PSNR bernilai 22,1 dB, dan akurasi bernilai 100%.
Sistem Pendukung Keputusan Penyakit Stroke menggunakan Metode Fuzzy Tsukamoto dengan Basis Pengetahuan Framingham Risk Score Arief Andy Soebroto; Muhammad Tanzil Furqon; Eko Ari Setijono Marhendraputro; Wildan Ziaulhaq
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.56362

Abstract

Penyakit stroke adalah salah kerusakan pada otak yang muncul secara mendadak akibat gangguan peredaran darah otak non-traumatis. Gangguan tersebut dapat berupa pembuluh darah tersumbat yang dapat menghambat atau menghentikan aliran darah ke otak. Penyakit stroke di Indonesia telah mengalami peningkatan, angka prevalensi per mil telah meningkat dari 7% pada tahun 2013 menjadi sebesar 10,9% pada tahun 2018. Penyakit stroke dapat dikurangi dengan melakukan deteksi dini pada masyarakat supaya dapat melakukan tindakan preventif. Deteksi dini penyakit stroke memiliki kondisi data yang semi terstruktur karena banyaknya faktor untuk mengidentifikasi risiko penyakit stroke. Kondisi data semi terstruktur akan mempersulit deteksi dini penyakit stroke sehingga diperlukan alat bantu berupa sistem pendukung keputusan (SPK). Penelitian dilakukan dengan membangun sistem pendukung keputusan deteksi dini penyakit stroke menggunakan metode Fuzzy Tsukamoto. Model basis pengetahuan menggunakan Framingham Risk Score sebagai dasar untuk pembuatan aturan (rule) klasifikasi dengan 120 data pasien Puskesmas Kendalkerep Kota Malang. Hasil pengujian yang didapatkan adalah akurasi sebesar 0,8444, presisi sebesar 0,7801, recall sebesar 0,796, specificity sebesar 0,8891, dan F1 score sebesar 0,751.
Logic Requirement Model of Web Based e-learning in Learning Management System for Features Selection Narti Prihartini
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.56422

Abstract

Requirement engineering phase is logically known to check the compliance of application such in web-based e-learning development. This research indicates that basic aspects of web-based e-learning can be used to identify or elicit the early requirement and classify it into the functional and non-functional approach. The research found that even in learning management system (LMS) Based, some of the web-based e-learning are using for different goals. It is challenging to develop a system of web-based e-learning to get the requirement focus at the early phase and select the feature that can fill the requirement. This study goal is developing a requirement model to describe the web requirement focus and decompose every web requirement aspects through logical modeling. Analysis due to the interaction and coverage of web-based e-learning is combined with web modeling aspects including content, interaction, functional, navigation and configuration to show the relation among detail requirements. Requirements are found in a systematic way by modeling its logic to determine the basic needs in the using of learning management system. The result from this requirement model proves that web-based e-learning requirements are sustain-ably identified to complement each requirements and can be implemented to classify the specific requirement to select the appropriate web-based e-learning features from early phase development.

Page 1 of 3 | Total Record : 24

 1   2   3 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol 9, No 3 (2023): Volume 9 No 3 Vol 9, No 2 (2023): Volume 9 No 2 Vol 9, No 1 (2023): Volume 9 No 1 Vol 8, No 3 (2022): Volume 8 No 3 Vol 8, No 2 (2022): Volume 8 No 2 Vol 8, No 1 (2022): Volume 8 No 1 Vol 7, No 3 (2021): Volume 7 No 3 Vol 7, No 2 (2021): Volume 7 No 2 Vol 7, No 1 (2021): Volume 7 No 1 Vol 6, No 3 (2020): Volume 6 No 3 Vol 6, No 2 (2020): Volume 6 No 2 Vol 6, No 1 (2020): Volume 6 No 1 Vol 5, No 3 (2019): Volume 5 No 3 Vol 5, No 2 (2019): Volume 5 No 2 Vol 5, No 1 (2019): Volume 5 No 1 Vol 5, No 1 (2019): Volume 5 No 1 Vol 4, No 2 (2018): Volume 4 No 2 Vol 4, No 2 (2018): Volume 4 No 2 Vol 4, No 1 (2018): Volume 4 No 1 Vol 4, No 1 (2018): Volume 4 No 1 Vol 3, No 2 (2017): Volume 3 No 2 Vol 3, No 2 (2017): Volume 3 No 2 Vol 3, No 1 (2017): Volume 3 No 1 Vol 3, No 1 (2017): Volume 3 No 1 Vol 2, No 2 (2016): Volume 2 No 2 Vol 2, No 2 (2016): Volume 2 No 2 Vol 2, No 1 (2016): Volume 2 No 1 Vol 2, No 1 (2016): Volume 2 No 1 Vol 1, No 2 (2015): Volume 1, No 2 Vol 1, No 2 (2015): Volume 1, No 2 Vol 1, No 1 (2015): Edisi Perdana Vol 1, No 1 (2015): Edisi Perdana More Issue