Article Per Year (5 Year)
p-Index From 2019 - 2024
3.247
P-Index
This Author published in this journals
All Journal Jurnal Teknologi Informasi dan Ilmu Komputer KLIK (Kumpulan jurnaL Ilmu Komputer) (e-Journal) Jurnal ELTIKOM : Jurnal Teknik Elektro, Teknologi Informasi dan Komputer MUST: Journal of Mathematics Education, Science and Technology Jurnal Sains dan Informatika Jurnal Sustainable: Jurnal Hasil Penelitian dan Industri Terapan JTAM (Jurnal Teori dan Aplikasi Matematika) Elsains : Jurnal Elektro Jurnal Inotera Jurnal Akuntansi Jurnal Pengabdian Kepada Masyarakat (Mediteg) J-ADIMAS (Jurnal Pengabdian kepada Masyarakat) Seminar Nasional Teknologi Informasi Komunikasi dan Administrasi [SEMINASTIKA] Jurnal Humaniora Teknologi Jurnal Humaniora Teknologi Journal of System and Computer Engineering
Jaka Permadi
Politeknik Negeri Tanah Laut
Religion Aerospace Engineering Arts Humanities Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Materials Science & Nanotechnology Mathematics Mechanical Engineering Social Sciences Other

Published : 30 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 30 Documents
Search

 1   2   3 
PENYULUHAN PENGGUNAAN AR SEBAGAI MEDIA PEMBELAJARAN UNTUK GURU-GURU SMP DI KECAMATAN BATU AMPAR Herfia Rhomadhona; Hendrik Setyo Utomo; Jaka Permadi; Winda Aprianti; Wiwik Kusrini
Jurnal Pengabdian Kepada Masyarakat (MEDITEG) Vol 3 No 1 (2018): Jurnal Pengabdian Kepada Masyarakat MEDITEG
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat (P3M) Politeknik Negeri Tanah Laut (Politala)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/mediteg.v3i1.23

Abstract

Augmented reality (AR) menggabungkan benda nyata dan virtual yang menghasilkan objek 3D yangditampilkan pada layar. Penggunaan teknologi Augmented reality (AR) pada smartphone masih tergolong minim.Sebenarnya teknologi ini memiliki potensi yang besar untuk memperkaya telekomunikasi untuk menjadi lebih efektif.Selain itu, penggunaan android yang dimiliki pelajar masih belum digunakan secara maksimal, kebanyakan hanya untukkomunikasi, media sosial dan bermain game. Seharusnya dengan smartphone tersebut bisa digunakan sebagai mediabelajar. Tujuan dari aplikasi Augmented reality (AR) sebagai media pembelajaran tentang siklus embrio manusia berbasisAndroid untuk menciptakan suatu lingkungan pembelajaran yang lebih interaktif. Aplikasi mampu menampilkan objekdan video secara virtual 3D dalam sebuah penanda (marker) sebagai alat peraga gambar yang terdapat pada buku ajarsiswa. Marker yang dideteksi oleh kamera dapat menampilkan model 3D di layar perangkat android secara real time danmengeluarkan suara. Peserta merupakan guru-guru Sekolah Tingkat Lanjut Pertama (SLTP) se-Kecamatan BatuAmpar. Hasil kegiatan penyuluhan yaitu peserta tertarik dan melakukan install aplikasi smartphone android masing-masingpeserta.Kata kunci: Augmented Reality, Objek, Media pembelajaran, Siklus Embrio
PELATIHAN PENGGUNAAN GOOGLE DRIVE SEBAGAI MEDIA MANAJEMEN ARSIP BAGI PERANGKAT DESA DI DESA PANGGUNG KECAMATAN PELAIHARI Jaka Permadi; Hendrik Setyo Utomo; Eka Wahyu Sholeha
Jurnal Pengabdian Kepada Masyarakat (MEDITEG) Vol 6 No 1 (2021): Jurnal Pengabdian Kepada Masyarakat (MEDITEG)
Publisher : Pusat Penelitian dan Pengabdian Kepada Masyarakat (P3M) Politeknik Negeri Tanah Laut (Politala)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/mediteg.v6i1.93

Abstract

The Panggung village officials in carrying out its performance has problems in archive management. Files stored in personal computers can be lost and corrupted due to a number of factors. Another problem is the difficulty of sharing files via social media such as WhatsApp, especially if the size is large. Finding files that have been shared for a long time is also difficult. Training on the use of Google Drive was carried out as a solution to the problem of archive management in Panggung Village. This training was wrapped in the form of community service and was held on June 2nd, 2021 at the Panggung Village Office which was attended by 20 Panggung village officials. The training is divided into four training materials: introduction to Google Drive, storing documents in Google Drive, sharing files and folders, and collaborating in managing documents on Google Drive. At the end of the training participants were asked to fill out a service partner satisfaction questionnaire. As a result, 93.5% of participants stated that they were very satisfied with the training. The remaining of them, about 6% of participants said that they were satisfied and 0.5% of participants said that they were not satisfied.
K-Means Clustering untuk Data Kecelakaan Lalu Lintas Jalan Raya di Kecamatan Pelaihari Winda Aprianti; Jaka Permadi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 5, No 5: Oktober 2018
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (649.995 KB) | DOI: 10.25126/jtiik.2018551113

Abstract

Kecelakaan lalu lintas di jalan raya masih menjadi penyumbang tingginya angka kematian di Indonesia, sehingga menjadi perhatian khusus bagi kepolisian di negara ini. Termasuk Kepolisian Resor (Polres) Tanah Laut, yang telah membuktikan perhatian tersebut dengan membentuk komunitas korban kecelakaan lalu lintas dan Pelatihan Pertolongan Pertama Gawat Darurat (PPGD). Tahapan awal pencegahan kecelakaan lalu lintas adalah dengan mengetahui faktor-faktor penyebab kecelakaan lalu lintas yang diperoleh melalui analisa data kecelakaan. Analisa tersebut dapat dilakukan dengan data mining, yaitu K-Means Clustering. K-Means Clustering mengelompokkan data menjadi beberapa cluster sesuai karakteristik data tersebut. Data kecelakaan lalu lintas dibagi menjadi 2 dataset, yakni dataset 1 dan dataset 2. Hasil cluster penerapan K-means clustering terhadap dataset 1 dan dataset 2 kemudian dilakukan pengujian silhoutte coefficient untuk mencari hasil cluster dengan kualitas terbaik. Pengujian silhoutte coefficient secara berurutan menghasilkan distance measure paling optimal yakni clustering dengan 4 cluster untuk dataset 1 dan clustering dengan 2 cluster untuk dataset 2. Selain memperoleh cluster dengan kualitas terbaik, penganalisaan data juga menghasilkan beberapa informasi kecelakaan lalu lintas yang sering terjadi, yakni faktor penyebab dan korban kecelakaan adalah pengemudi, umur korban adalah 9 sampai 28 tahun, dan keadaan korban kecelakaan adalah luka ringan. AbstractTraffic accidents on the highway are still contribute to the high mortality rate in Indonesia, which are becoming a special concern for the police. Including the Police of Tanah Laut Resort where prove themselves by established The Community of Traffic Accident Victims and Emergency First Aid Training. The first prevention of traffic accidents is knowing the factors causing traffic accidents which is obtained through the analysis of traffic accident’s data. It can be done through data mining, i.e. K-Means Clustering, which is clustering data into clusters according to characteristics of the data. Traffic accident data is divided into two datasets, namely dataset 1 and dataset 2. After obtaining the cluster results, the next step is to calculate silhoutte coefficient which is used to find the best quality cluster result. The result of testing silhoutte coefficient are clustering with 4 clusters for dataset 1 and clustering with 2 clusters for dataset 2. Analyzing data in this research also produces some information on traffic accidents that often occur, namely the causes and victims of accidents are drivers, the age of the victims is between 9 and 28 years old, and the circumstance of the accidents victims are minor injuries.
PERBANDINGAN K-NEAREST NEIGHBOR DAN BACKPROPAGATION NEURAL NETWORK DALAM PREDIKSI RESIKO DIABETES TAHAP AWAL Jaka Permadi; Herfia Rhomadhona; Winda Aprianti
KLIK- KUMPULAN JURNAL ILMU KOMPUTER Vol 8, No 3 (2021)
Publisher : Lambung Mangkurat University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20527/klik.v8i3.419

Abstract

Diabetes is one of the most dangerous and deadly diseases in Indonesia, after stroke and coronary heart disease. Early prediction of diabetes risk is needed for early treatment. In this study, a comparison of classification methods was carried out in predicting the risk of early-stage diabetes. The dataset used is an open database collected from a questionnaire to a sample of patients at Sylhet Hospital, Bangladesh. The classification methods compared are K-Nearest Neighbor (KNN) and Backpropagation Neural Network (BPNN), because both are often used in research for the classification of human diseases. Based on the results of the study, BPNN is a classification method that is better than KNN in predicting the risk of early stage diabetes. BPNN with learning rate = 0.3, = 0.4 or = 0.5 and the number of hidden nodes = 5 units, has an accuracy rate of 90%, precision is 90% and recall is 90%. Meanwhile, KNN with K = 5, K = 7 or K = 9 has an accuracy rate of 83.75%, precision of 85.5497% and recall of 83.75%.Keywords: Backpropagation Neural Network, K-Nearest Neighbor, diabetes predictionDiabetes adalah salah satu penyakit berbahaya dan mematikan di Indonesia, setelah stroke dan jantung koroner. Prediksi resiko diabetes sejak awal diperlukan untuk penanganan penyakit ini sejak dini. Pada penelitian ini dilakukan perbandingan metode klasifikasi dalam prediksi resiko diabetes tahap awal. Dataset yang digunakan merupakan open database yang dikumpulkan dari kuesioner terhadap sample pasien di rumah sakit Sylhet, Bangladesh. Metode klasifikasi yang dibandingkan adalah K-Nearest Neighbor (KNN) dan Backpropagation Neural Network (BPNN), karena keduanya sering digunakan dalam penelitian untuk klasifikasi penyakit manusia. Berdasarkan hasil penelitian, BPNN merupakan metode klasifikasi yang lebih baik dibandingkan dengan KNN dalam memprediksi resiko diabetes tahap awal. BPNN dengan learning rate ? = 0.3, ? = 0.4 atau ? = 0.5 dan jumlah node hidden = 5 unit, memiliki tingkat akurasi sebesar 90%, presisi sebesar 90% dan recall sebesar 90%. Sementara KNN dengan K = 5, K = 7 atau K = 9 memiliki tingkat akurasi sebesar 83.75%, presisi sebesar 85.5497% dan recall sebesar 83.75%. Kata kunci: Backpropagation Neural Network, K-Nearest Neighbor, prediksi diabetes
Prediction Active Case of Covid-19 with ERNN Winda Aprianti; Jaka Permadi; Herfia Rhomadhona
JTAM (Jurnal Teori dan Aplikasi Matematika) Vol 6, No 1 (2022): January
Publisher : Universitas Muhammadiyah Mataram

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31764/jtam.v6i1.4874

Abstract

SARS-CoV-2 is known as Covid-19 has been spread in all world since end of 2019. Indonesia, including South Kalimantan has detected first Covid-19 in March 2020. This pandemic has affected in all entirely live in Indonesia. This makes Covid-19 be the main focus of the government. The government has provided aid and imposed restrictions on activities. These policies require planning that can be a solution. Careful planning requires an overview of the data on active cases that are positive for Covid-19. This overview can be obtained through prediction. In this research, Elman Recurrent Neural Network (ERNN) was used to predict active cases of Covid-19. Architecture of ERNN was used ERNN with 3 input nodes, 2 hidden nodes, and 2 context nodes. The data used is 277 data, which is then divided into training data and testing data, respectively 90%-10%, 80%-20%, and 70%-30%. ERNN with a learning rate of 0.1 until 0.9 is applied to data on active cases of Covid-19, then Mean Absolute Percentage Error (MAPE) is calculated to find out performance of model generated by ERNN. The results showed that all of MAPE were below 10% with the smallest MAPE as 3.21% for scenario 90:10 and learning rate 0.6. MAPE value which is less than 10% indicates that ERNN has very good predictive ability. 
Normalization-Simple Additive Weighting to Determination of a Single Tuition Winda Aprianti; Herfia Rhomadhona; Jaka Permadi; Yuniska Fithriyyah
Jurnal Inotera Vol. 7 No. 1 (2022): January-June 2022
Publisher : LPPM Politeknik Aceh Selatan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31572/inotera.Vol7.Iss1.2022.ID169

Abstract

Determination of a single tuition appropriately is important to ensure that every student gets a fair single tuition in accordance with their economic conditions. The single tuition team to determine a single tuition sometimes they have differences of opinion in determining a single tuition so that it requires a relatively long time. This problem can be solved by applying Simple Additive Weighting to student data. The collected data is formed into Data1 and Data 2. There is a value of 0 for the cost attribute so that it requires normalization which can solve the problem. The results of the application of Simple Additive Weighting facilitate the determination of a single tuition because by entering student data a preference value is generated as a reference for determining a single tuition. Application in Data 1 produces several similarities in preference values but is in different groups, but the application of Data 2 always results in different preference values. This difference shows that the application of Simple Additive Weighting to Data 2 is better than the application of Data 1.
Aplikasi Augmented Reality (AR) Sebagai Media Pembelajaran Siklus Embrio Manusia Berbasis Android Safar Safar; Jaka Permadi; Hendrik Setyo Utomo
Jurnal Humaniora Teknologi Vol. 4 No. 1 (2018): Jurnal Humaniora Teknologi
Publisher : P3M Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jht.v4i1.41

Abstract

Augmented Reality (AR) combining real things and virtual things into 3D’s objects that are appeared on a display screen. AR technology in mobile (smartphones and tablets) can applied for learning media. Specially for Android that have many users from students in Indonesia. The used of mobile among students is still not optimal, because the most of them only use it for communication, social media and playing games. The purpose of development AR based Android for learning media of human embrio cycles is to create a learning environment that is more interactively. From this media the students can interacting directly with cyber objects so that they can learn delightly. The development application performs 3D’s objects and videos virtually from markers that is described as pictures in student’s textbooks. Application will detect markers and then displaying 3D’s models in the screen of the mobile real time and it can performs sounds. The apllication is developed by some softwares like Blender, Unity and Vuforia.
Aplikasi Pendaftaran Rawa BaTIK (Ruang Aktivitas Warga Belajar Aplikasi dan TIK) Berbasis Web Much Rifani; Jaka Permadi
Jurnal Humaniora Teknologi Vol. 5 No. 1 (2019): Jurnal Humaniora Teknologi
Publisher : P3M Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jht.v5i1.51

Abstract

Dinas Komunikasi dan Informatika (DISKOMINFO) Kabupaten Tanah Bumbu memiliki program yang sedang digiatkan yaitu Ruang Aktivitas Warga Belajar Aplikasi dan TIK (Rawa BaTIK). Program tersebut bertujuan untuk memberikan kesempatan bagi pelajar dan masyarakat untuk dapat belajar TIK di pusat study DISKOMINFO. Permasalahan yang muncul yaitu calon peserta harus mendaftar langsung di kantor DISKOMINFO, dimana lokasi pendaftaran tersebut cukup jauh dari pusat kota. Berdasarkan permasalahan tersebut dibangunlah aplikasi pendaftaran Rawa BaTIK berbasis web. Aplikasi tersebut dibangun dengan menggunakan model waterfall, dimana perancangannya menggunakan ERD, DFD dan flowchart, dan bahasa pemrograman yang digunakan adalah HTML, PHP dan JavaScript. Aplikasi tersebut sudah diuji menggunakan metode Black Box Testing dengan hasil pengujian menunjukkan bahwa semua fungsionalitas dari aplikasi pendaftaran Rawa BaTIK berjalan seluruhnya.
Rancang Bangun Sistem Informasi Rawa BaTIK Berbasis Web Much Rifani; Jaka Permadi; Winda Aprianti
Jurnal Humaniora Teknologi Vol. 6 No. 1 (2020): Jurnal Humaniora Teknologi
Publisher : P3M Politeknik Negeri Tanah Laut

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34128/jht.v6i1.76

Abstract

Sistem pendaftaran Rawa BaTIK (Ruang Kegiatan Warga Belajar Aplikasi dan TIK) yang dikelola oleh Dinas Komunikasi dan Informatika Kabupaten Tanah Bumbu saat ini masih dilakukan dengan cara manual atau langsung ke kantor Dinas Kominikasi dan Informatika. Kantor Dinas Komunikasi dan Informatika yang jaraknya cukup jauh dari Pusat Kota Tanah Bumbu hal ini tentu saja memberatkan bagi Pelajar atau Masyarakat yang ingin mendaftar. Berdasarkan permasalahan tersebut, diperlukan suatu sistem yang dapat memfasilitasi para calon peserta untuk mendaftar secara online agar tidak perlu lagi datang ke kantor Dinas Komunikasi dan Informatika, maka dibuatlah Sistem Informasi Rawa BaTIK (Ruang Masyarakat Belajar Aplikasi dan TIK) Berbasis Web. Pembuatan sistem ini menggunakan metode waterfall dimana pembangunan sistem informasi menggunakan bahasa pemrograman PHP yang kemudian diuji menggunakan black box. Sistem informasi Rawa BaTIK telah berhasil dibangun dan hasil pengujian juga menunjukkan fungsionalitas sistem dapat berfungsi sesuai dengan hasil yang diharapkan.
Perbandingan Elman Recurrent Neural Networks, Backpropagation Neural Networks, dan Exponential Smoothing dalam Peramalan Produksi Palawija Winda Aprianti; Jaka Permadi; Herfia Rhomadhona
MUST: Journal of Mathematics Education, Science and Technology Vol 5, No 2 (2020): DECEMBER
Publisher : Universitas Muhammadiyah Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30651/must.v5i2.6255

Abstract

Jumlah produksi tanaman palawija di Kabupaten Tanah Laut yang fluktuatif berdampak pada jumlah persediaan pangan. Jika terjadi penurunan jumlah produksi tanaman palawija dibanding tahun sebelumnya, maka pemerintah sebagai pemangku kepentingan harus mempunyai rencana untuk menghadapi keadaan ini. Hal ini dapat dilakukan apabila pemerintah mempunyai hasil prediksi produksi tanaman palawija. Hasil peramalan yang tepat dapat dihasilkan dengan memilih metode yang tepat pula. Penelitian ini menggunakan tiga metode untuk meramalkan produksi tanaman palawija, yakni Elman Recurrent Neural Network (ERNN), Backpropagation Neural Network (BPNN), dan Exponential Smoothing (ES). Mean Absolute Percentage Error (MAPE) digunakan untuk mengetahui performa terbaik dari ketiga metode peramalan tersebut. Visual Basic digunakan sebagai alat bantu untuk menjalankan program dan perhitungan MAPE. Penelitian ini menghasilkan bahwa MAPE untuk ERNN berada pada rentang 0.0151 sampai dengan 3.3610, BPNN pada rentang 0.0896 sampai dengan 3638.0264, ES pada rentang 0.4987 sampai dengan 44357.4931. ERNN menghasilkan MAPE terkecil untuk dataset jagung, kacang hijau, kacang tanah, kedelai, padi, dan ubi kayu. Sedangkan BPNN menghasilkan MAPE terkecil untuk dataset ubi jalar. Oleh karena itu, ERNN merupakan metode dengan performa terbaik karena MAPE yang dihasilkan terkecil untuk enam dari tujuh dataset.
Co-Authors Apriliyani, Nora Eka Wahyu Sholeha Hayyah, Helda Ainur Hendrik Setyo Utomo Herfia Rhomadhona Ines Saraswati Machfiroh Kurnia Dwi Artika Lia Kumala Sari Much Rifani Much Rifani Muhammad Khoirul Anam Pratama, Rama Novaris Ayyubi Rehgetah Permata Putri Safar Safar Sari, Lia Kumala Widiya Astuti Alam Sur Winda Aprianti Wiwik Kusrini Yuniska Fithriyyah