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 20 Documents
 1   2 
Search results for , issue "Vol 9, No 2 (2023): Volume 9 No 2" : 20 Documents clear
Honeypot-as-a-Service dengan Kubernetes Cluster Rahmat Purwoko; Dimas Febriyan Priambodo; Ghiffari Adhe Permana; Wawan Laksito Yuly Saptomo; Sri Siswanti; Muhammad Hasbi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.62076

Abstract

Honeypot merupakan salah satu strategi yang digunakan untuk melindungi jaringan dari serangan siber. Honeypot digunakan untuk menarik penyerang agar menyerang honeypot tersebut daripada perangkat-perangkat jaringan. Namun, penggunaan honeypot masih jarang terjadi di tingkat korporat maupun individu karena membutuhkan tenaga profesional dan infrastruktur khusus untuk mengelolanya selama implementasi. Berdasarkan permasalahan ini, peneliti mengusulkan solusi Software-as-a-Service  (SaaS) yang disebut Honeypot-as-a-Service  (HaaS). HaaS adalah layanan honeypot berbasis cloud yang dikelola oleh orkestrasi kontainer Kubernetes Cluster. Penggunaan Kubernetes Cluster dirancang untuk mengotomatiskan konstruksi, penjadwalan, pemeliharaan, dan penghapusan honeypot berkontainer. Otomatisasi ini dimaksudkan untuk membantu pelanggan yang ingin menggunakan sistem pertahanan berbasis honeypot dalam jaringan mereka tanpa harus menjalankan honeypot mereka sendiri. Pengguna dapat mendaftar akun dan mengonfigurasi honeypot menggunakan dashboard yang langsung terhubung ke cloud honeypot. Sistem ini sedang dikembangkan di lingkungan pusat data Departemen Keamanan Siber dari Politeknik Siber dan Sandi Negara, yang dikelola dengan manajemen virtualisasi Proxmox Virtual Environment. Komponen-komponen dari sistem HaaS terdiri dari honeypot di Kubernetes Cluster, HaaS-proxy, dan HaaS Dashboard. Sistem yang telah dibuat kemudian diuji availability, performance, functionality, and scenario. Hasil evaluasi sistem menunjukkan bahwa sistem HaaS membutuhkan pengembangan lebih lanjut. Meskipun ketersediaan dan performa sistem HaaS telah memenuhi kriteria layanan berbasis cloud, namun fungsionalitas sistem tidak memenuhi standar layanan SaaS secara umum. Namun, honeypot dibangun untuk memenuhi tujuan honeypot dalam menarik penyerang.
Sistem Rekomendasi Topik Skripsi Program Studi Informatika Lukas Kurniawan; Agata Filiana; Gloria Virginia; Bastian Surya Hartono
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.65425

Abstract

Salah satu syarat kelulusan kuliah adalah lulus skripsi. Pada skripsi, mahasiswa perlu menentukan topik skripsi. Penentuan topik adalah hal yang penting pada skripsi, karena topik yang tepat akan mengurangi kendala dalam membuat skripsi [1]. Penulis melakukan analisa terhadap persentase nilai E pada nilai mata kuliah seminar dan skripsi. Hasil analisis menunjukan terdapat 21.6% dari 351 mahasiswa seminar yang mendapat nilai E dan 61.25% dari 240 mahasiswa yang belum dapat lulus skripsi. Hal tersebut menunjukan mahasiswa belum siap mengerjakan skripsi. FTI UKDW (Fakultas Teknologi Informasi Universitas Kristen Duta Wacana) ingin membuat sistem rekomendasi topik skripsi agar mahasiswa dapat memilih topik skripsi dengan tepat. Hasil penelitian, menunjukan sistem rekomendasi topik skripsi dapat dibuat menggunakan kombinasi K-Means++, cosine similarity, dan LDA Gibbs sampling. Sistem diimplementasikan pada framework Laravel.
Simple, Fast, and Accurate Cybercrime Detection on E-Government with Elastic Stack SIEM Ichsan Yudhianto
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.64213

Abstract

Increased public activity in cyberspace (Internet) during the Covid-19 pandemic has also increased cybercrime cases with various attack targets, including E-Government services. Cybercrime is hidden and occurs unnoticed in E-Government, so handling it is challenging for all government agencies. The characteristics of E-Government are unique and different from other service systems in general, requiring extra anticipation for the prevention and handling of cybercrime attack threats. This research proposes log and event data analysis to detect cybercrime in e-Government using System Information and Event Management (SIEM). The main contribution of this research is a simple, fast, and accurate cybercrime detection process in the e-Government environment by increasing the level of log and event data analysis with the SIEM approach. SIEM technology based on machine learning and big data is implemented with Elastic Stack. The implemented technique can be used as a mitigation program against cybercrime threats that often attack and target e-Government. With simple, accurate, and fast cybercrime detection, it is expected to improve e-Government security and increase public confidence in public services organized by government agencies.
Perancangan Arsitektur Node Nirkabel dalam Efisiensi Bandwidth Smart Greenhouse Berbasis Protokol MQTT Uray Ristian; Ikhwan Ruslianto; Hirzen Hasfani; Kartika Sari
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.63885

Abstract

Pertanian Greenhouse merupakan salah satu sistem dan media pertanian di dalam ruangan. Dalam hal ini, tanaman yang dipantau pertumbuhannya adalah tanaman anggur di Greenhouse di Pondok Pesantren Darul Fikri, Kabupaten Kubu Raya. Greenhouse ini menggunakan node-node nirkabel yang terhubung ke sensor-sensor pembacaan kondisi tanaman seperti suhu udara, kelembapan udara dan kelembapan tanah pada pot anggur untuk disimpan dan diolah web server menjadi sistem informasi. Akan tetapi, makin banyak node nirkabel yang digunakan, maka penggunaan bandwidth dan latency semakin meningkat. Penelitian ini memanfaatkan protokol MQTT (Queuing Telemetry Transport) untuk jalur komunikasi dengan perangkat IoT. Selain itu, protokol MQTT juga dibandingkan dengan protokol HTTP untuk melihat efisiensi dari kecepatan respon time dan latency saat pengiriman data ke server. Perbandingan waktu respon antara MQTT dengan HTTP untuk pengiriman data ke server setiap 1 jam adalah 0.08 detik (MQTT) dan 0.4 detik (HTTP). Kemudian, perbandingan antara pengiriman data ke server setiap 10 menit adalah 0.04 detik (MQTT) dan 0.5 detik (HTTP). Selanjutnya, perbandingan antara pengiriman data ke server setiap detik adalah 0.08 detik (MQTT) dan 1.12 detik (HTTP). Hasilnya, pengiriman data menggunakan protokol MQTT lebih stabil dan waktu responnya lebih cepat dibandingkan dengan HTTP.
Analisa Dini Gangguan Disleksia Anak Sekolah dengan Metode Backpropagation Novi Yanti; Adil Setiawan; Sarjon Defit
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.64588

Abstract

Disleksia sering disalah artikan sebagai kebodohan atau kemalasan pada anak. Gejala disleksia dikenal dengan gangguan belajar yang meliputi mengenal huruf, mengeja, membaca, dan menulis. Meskipun gejala disleksia tidak terlihat dengan jelas, kondisi ini dapat berdampak pada perkembangan pola belajar anak. Tujuan penelitian adalah untuk mengidentifikasi gejala disleksia sedini mungkin agar tidak mengganggu perkembangan belajar pada anak. Selain itu, penelitian juga bertujuan untuk mengevaluasi keakuratan teknik yang digunakan. Analisa menggunakan metode jaringan syaraf tiruan dengan teknik backpropagation dengan memberikan nilai bobot, sehingga dapat memberikan nilai input dengan benar. Penelitian menggunakan 150 dataset, 40 variabel input dan 40 lapisan tersembunyi. Keluaran yang diharapkan mencakup disleksia atau non-disleksia. Hasil implementasi dan pengujian untuk data latih dan data uji terbaik adalah 90:10. Dengan nilai epoch maksimum 5000 dan nilai error target 0,001. Metode backpropagation dapat memberikan hasil akurasi terbaik 100% pada learning rate 0,5. Sehingga metode backpropagation dapat dengan baik mendeteksi gangguan disleksia pada anak sejak dini.
Sistem Penilaian Jawaban Singkat Otomatis pada Ujian Online Berbasis Komputer Menggunakan Algoritma Cosine Similarity Dedy Kurniadi; Rahmat Gernowo; Bayu Surarso; Adi Wibowo; Budi Warsito
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.66934

Abstract

Penggunaan teknologi di bidang pendidikan sekarang ini sedang trending ke arah penilaian secara otomatis, namun penilaian secara otomatis ini memiliki permasalahan yaitu belum bisa mengkoreksi jawaban teks singkat secara otomatis, selain itu pada saat ini juga belum tersedia platform yang bisa mengkoreksi jawaban singkat secara otomatis, penilaian jawaban teks singkat ini membutuhkan waktu koreksi yang lama dan hasil penilaian yang tidak konsisten jika koreksi dilakukan oleh manusia, pada penelitian ini diusulkan sistem yang mampu mengkoreksi ujian peserta didik pada bagian jawaban singkat secara otomatis atau disebut dengan Automated Short Answer Grading (ASAG) dengan menggunakan metode cosine similarity, tahapan yang dilakukan adalah melakukan ekstraksi pada dua variabel inputan yaitu teks pada jawaban peserta didik dan teks pada kunci jawaban yang dilakukan dengan ekstraksi teks casefolding, tokenizing, stopword removal, setelah tahapan tersebut dilakukan kemudian dihitung nilai similarity antara kunci jawaban ujian dengan jawaban peserta didik apakah jawaban peserta didik sama dengan kunci jawaban atau tidak, dengan menggunakan skor yang dinilai otomatis menggunakan sistem, dihasilkan similarity antara jawaban peserta didik dengan kunci jawaban rata-rata sebesar 85,4%, untuk menguji korelasi koreksi jawaban peserta didik dengan sistem dan koreksi yang dilakukan oleh manusia maka dilakukan uji korelasi antara hasil penilian yang dilakukan oleh sistem dengan hasil penilaian yang dilakukan oleh manusia (instruktur) dengan menggunakan kendall’s w value menghasilkan nilai w antara instruktur 1 dengan sistem sebesar 0,885 dan instruktur 2 dengan sistem sebesar 0,883 dengan nilai chi square sebesar 135,4 dan 133,8 dengan p sebesar 0,0001, hasil tersebut menunjukkan ASAG memiliki korelasi yang tinggi dan sistem ASAG ini bisa melakukan penilaian secara otomatis.
Pengenalan Ekspresi Wajah Pengemudi Berbasis Fitur Eigenface dan Gray Level Co-Occurance Matrice Sudirman S. Panna; Aprianto Alhamad; Kartika Chandra Pelangi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.61857

Abstract

Umumnya kecelakaan lalu lintas disebabkan oleh terjadinya penurunan konsentrasi saat berkendara yang diakibatkan oleh rasa kantuk yang dialami, terdapat 20% kecelakaan disebabkan oleh penurunan konsentrasi. Teknologi computer vision berupaya mengembangkan teknologi driving assistance dalam menyelesaikan persoalan kecelakaan lalu lintas. Penelitian sebelumnya terkait deteksi ekspresi wajah pengemudi menyimpulkan bahwa metode eigenface memiliki waktu komputasi yang cukup baik akan tetapi hanya mampu menghasilkan akurasi sebesar 80%, sehingganya dalam penelitian ini akan dilakukan pengabungan dua buah fitur ekstraksi (eigenface dan GLCM) serta algoritma ANN sebagai pengklasifikasi. Pada penelitian yang kami lakukan menunjukkan metode yang diusulkan dapat memberikan performa dengan nilai akurasi sebesar 83%, recall sebesar 86%, precission sebesar 81% dan F1-Score sebesar 83%.
Pengembangan Aplikasi Evaluasi Tingkat Penguasaan Praktikum Aircraft Electrical Berbasis Fuzzy Expert System Stand Alone Application Richard Sambera Sagala; Fatchul Arifin
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.64239

Abstract

Penelitian ini dilatarbelakangi oleh kebutuhan akan sebuah aplikasi yang dapat mengevaluasi tingkat penguasaan praktik siswa. Tujuan penelitian adalah menghasilkan aplikasi untuk kebutuhan evaluasi tingkat penguasaan praktik siswa, yang dapat dioperasikan tanpa harus menjalankan aplikasi editor utama terlebih dahulu. Metode penelitian yang digunakan adalah penelitian pengembangan dengan tahapan 4D. Batasan masalah penelitian terletak pada pengembangan aplikasi hanya untuk pengolahan nilai praktik siswa kelas XI jurusan Electrical Avionics pada mata pelajaran Aircraft Electrical. Berdasarkan pengembangan yang dilakukan, aplikasi dapat dijalankan tanpa harus menjalankan aplikasi editor utama terlebih dahulu, mampu memproses input dan mengeluarkan output, serta dapat mencetak tangkapan layar aplikasi. Melalui pemrosesan data nilai-nilai praktik siswa, didapatkan hasil bahwa tingkat penguasaan praktik siswa menggunakan aplikasi (TPF) adalah 75% - 80%. Berbeda halnya dengan tingkat penguasaan praktik siswa bermetode manual (TPM) adalah 80% s/d 87%. Walaupun terdapat perbedaan hasil antara 2 cara tersebut, hubungan antara TPF dan TPM adalah kuat. Uji korelasi Spearmen menunjukkan, nilai korelasi antara TPF dan TPM adalah 0,609 (60,9%) dan berkategori “tinggi”. Hal ini menunjukkan bahwa aplikasi yang telah dibangun mampu menentukan tingkat penguasaan praktikum siswa. Akan tetapi, untuk menyatakan apakah aplikasi layak digunakan dalam skala kecil maupun skala besar, masih diperlukan penelitian dan pengembangan lebih lanjut, seperti uji validasi oleh ahli dan uji penerimaan oleh pengguna. Sehingga diharapkan kedepannya, aplikasi tersebut siap didistribusikan secara luas dan dimanfaatkan oleh berbagai sekolah yang memiliki jurusan Electrical Avionic dalam mengevaluasi kemampuan praktik siswa-siswanya. Evaluasi berdampak signifikan dalam meningkatkan kualitas dan mutu pembelajaran.
Penerapan Seleksi Fitur Particle Swarm Optimization pada Klasifikasi Teks (Studi Kasus: Komentar Cyberbullying Instagram) Nadya Lestari; Tursina Tursina; Enda Esyudha Pratama
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.68320

Abstract

Dunia saat ini sedang berada di era Big Data, dimana sejumlah besar data berdimensi tinggi tersebar di berbagai domain, seperti media sosial, layanan kesehatan, bio-informatika, dan pendidikan online. Big Data adalah salah satu teknik pembelajaran mesin dan menjadi alat penting yang populer dalam bisnis, sehingga pengelolaan Big Data yang efektif menjadi hal yang sangat penting. Salah satu topik yang menarik untuk diteliti dalam kajian Big Data khususnya text mining ialah cyberbullying Instagram. Beberapa teknik yang dapat digunakan untuk memecahkan masalah text mining yaitu, clustering, klasifikasi, outlier, asosiasi, dan masih banyak lagi. Klasifikasi merupakan bentuk dasar dari analisis data yang banyak diterapkan diberbagai bidang. Penelitian ini membangun model klasifikasi menggunakan algoritma Logistic Regression dengan penambahan proses seleksi fitur menggunakan algoritma Particle Swarm Optimization sebagai tahapan yang berada sebelum proses pelatihan model regresi untuk mengklasifikasi komentar cyberbullying Instagram. Seleksi fitur dilakukan untuk mempertahankan kinerja model klasifikasi dengan menggunakan jumlah fitur pelatihan yang lebih sedikit. Hasil penelitian menunjukkan bahwa penambahan seleksi fitur dapat mereduksi fitur kata sebanyak 40% yang diikuti penurunan akurasi, presisi, dan AUC masing-masing sebesar  1,25%, 4,25%, 1,09% serta peningkatan nilai recall dan f1-score secara berurut sebesar 5,36% dan 0,57%. Penambahan Particle Swarm Optimization sebagai seleksi fitur pada kasus  disimpulkan efektif mempertahankan kinerja pembelajaran model dilihat dari nilai AUC yang tetap berada pada kategori Good Classification saat dilatih dengan fitur kata yang lebih sedikit.
Analisis Klasterisasi Kerawanan Gempa Bumi di Provinsi Papua Menggunakan Algoritma Invasive Weed Optimization (IWO) Lorna Yertas Baisa; Danny Manongga; Yessica Nataliani
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.65312

Abstract

Gempa bumi adalah fenomena alam yang sering terjadi di Indonesia, termasuk di Provinsi Papua. Untuk mengurangi risiko dampak gempa bumi, diperlukan analisis untuk mengidentifikasi daerah-daerah yang rawan terha  dap gempa bumi. Penelitian ini bertujuan untuk menganalisis klasterisasi kerawanan gempa di Provinsi Papua menggunakan algoritma Invasive Weed Optimization (IWO). Metode ini dipilih karena dapat menghasilkan klaster yang lebih baik dibandingkan dengan algoritma klasterisasi lainnya. Data yang digunakan adalah data kejadian gempa di Provinsi Papua yang terdiri dari atribut latitude, longitude, magnitude, dan depth mulai tahun 2018 sampai Februari 2023 yang diperoleh dari website Badan Geologi Amerika Serikat yaitu United States Geological Survey (USGS). Tahapan penelitian meliputi normalisasi data, klasterisasi menggunakan algoritma IWO, dan evaluasi hasil klasterisasi menggunakan SSE dan F-Measure. Jumlah klaster terbaik yang dihasilkan oleh metode Elbow yaitu sebanyak enam klaster kerawanan gempa di Provinsi Papua, yang diberi label Sangat Tidak Rawan, Tidak Rawan, Kurang Rawan, Cukup Rawan, Rawan dan Sangat Rawan. Dengan nilai parameter sinitial sebesar 8, algoritma IWO menghasilkan nilai SSE dan F-Measure terkecil dibanding nilai parameter sinitial lainnya, yaitu masing-masing sebesar 19.1002 dan 0.5137. Evaluasi hasil klasterisasi menggunakan SSE menunjukkan nilai yang baik dari 30 kali percobaan, dengan rata-rata SSE sebesar 19.218, lebih kecil dibanding dengan rata-rata SSE hasil metode k­-Means dan DBSCAN yaitu masing-masing sebesar 19.307 dan 59.910.

Page 1 of 2 | Total Record : 20

 1   2 

Filter by Year

2023 2023


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