cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Imam Fahrur Rozi
Contact Email
imam.rozi@polinema.ac.id
Phone
+6285233139738
Journal Mail Official
jip@polinema.ac.id
Editorial Address
Politeknik Negeri Malang Jl. Soekarno Hatta No.9, Jatimulyo, Kec. Lowokwaru, Kota Malang, Jawa Timur 65141 Phone: (0341) 404424-404425 Fax: (0341) 404420
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Informatika Polinema (JIP)
Published by Politeknik Negeri Malang
ISSN : 26146371     EISSN : 2407070X     DOI : https://doi.org/10.33795/jip
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Library & Information Science
The focus and scope of articles published in JIP (Journal of Informatics Polinema) encompasses the game technology, information system, computer network, computing, which covers the following scope: Game Technology Artificial Intelligence Intelligent System Machine Learning Image Processing Computer Vision Information Retrieval Machine Learning Information System Internet of Things Computer Security Technology Enhanced Learning Education Technologies Digital Forensic Wireless Sensor UI/UX research JIP (Jurnal Informatika Polinema) publishes comprehensive research articles and invited reviews by leading expert in the field. Papers will be selected that high scientific merit, impart important new knowledge, and are of high interest to computer and information technology.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 12 Documents
 1   2 
Search results for , issue "Vol. 7 No. 4 (2021): Vol 7 No 4 (2021)" : 12 Documents clear
Implementasi GraphQL Untuk Mengatasi Under-Fetching pada Pengembangan Sistem Informasi Pelacakan Alumni Politeknik Negeri Annisa Taufika Firdausi; Dhebys Suryani Hormansyah; Fany Ervansyah
Jurnal Informatika Polinema Vol. 7 No. 4 (2021): Vol 7 No 4 (2021)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v7i4.775

Abstract

Pendistribusian data pada sistem informasi memiliki berbagai macam cara yang digunakan. Diantaranya adalah dengan menggunakan metode REST API. Namun, terdapat beberapa kekurangan yang menjadi masalah pada REST API. Salahsatunya adalah masalah under-fetching, yaitu masalah dimana bagian frontend harus melakukan lebih dari 1 kali request untuk memenuhi kebutuhan data yang diperlukan. Masalah ini dapat diselesaikan dengan menerapkan GraphQL sebagai metode pendistribusian data. Tujuan dari penelitian kali ini adalah untuk membandingkan performa antara sistem informasi dengan REST API dan sistem informasi dengan GraphQL. Studi kasus pada penelitian ini adalah pada pengembangan sistem informasi pelacakan alumni Politeknik Negeri Malang. Hasil penelitian ini berupa perbandingan performa antara sistem informasi dengan metode pendistribusian data REST API dan sistem informasi dengan metode pendistribusian data GraphQL. GraphQL menunjukkan performa yang baik pada jumlah data yang besar dan kompleks, serta ketika terdapat banyak pengguna yang mengakses data dalam waktu yang bersamaan. Sedangkan untuk data yang sederhana dan sistem informasi yang tidak memiliki banyak pengguna yang akan mengakses data secara bersamaan, maka REST API masih lebih unggul.
PREDICTION OF OZONE (O3) VALUES USING SUPPORT VECTOR REGRESSION METHOD Chasandra Puspitasari; Nur Rokhman; Wahyono
Jurnal Informatika Polinema Vol. 7 No. 4 (2021): Vol 7 No 4 (2021)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v7i4.777

Abstract

Tingginya jumlah kendaraan bermotor penyebab kemacetan menjadi faktor utama buruknya kualitas udara di kota-kota besar. Ozon (O3) merupakan salah satu indikator utama dalam mengukur tingkat polusi udara di Kota Surabaya untuk mengetahui bagaimana kualitas udaranya. Prediksi terhadap nilai Ozon (O3) penting dilakukan sebagai penunjang bagi masyarakat dan pemerintah dalam upaya peningkatan kualitas udara. Penelitian ini bertujuan memprediksi nilai Ozon (O3) berupa data time series menggunakan metode Support Vector Regression (SVR) dengan memanfaatkan kernel Linear, Polynomial, RBF, dan ANOVA. Data yang digunakan dalam penelitian adalah sebanyak 549 data primer dari rata-rata harian nilai Ozon (O3) kota Surabaya pada periode 1 Juli 2017 – 31 Desember 2018. Data tersebut akan digunakan dalam proses pelatihan dan pengujian hingga didapatkan hasil prediksi. Hasil yang diperoleh dari penelitian ini adalah kernel Linear menghasilkan model prediksi terbaik dengan nilai MAPE sebesar 21,78% dengan nilai parameter ???? = 0,3; ???? = 0,00001; cLR = 0,005; dan C = 0,5. Hasil dari kernel Polynomial tidak jauh berbeda dengan kernel Linear yaitu memiliki nilai MAPE sebesar 21,83%. Sedangkan kernel RBF dan ANOVA masing-masing menghasilkan model dengan nilai MAPE sebesar 24,49% dan 22,0%. Hasil tersebut menunjukkan bahwa metode SVR dengan kernel-kernel yang digunakan dapat memprediksi nilai Ozon dengan cukup baik.

Page 2 of 2 | Total Record : 12

 1   2 

Filter by Year

2021 2021


Reset
Filter By Issues
All Issue Vol. 10 No. 2 (2024): Vol 10 No 2 (2024) Vol. 10 No. 1 (2023): Vol 10 No 1 (2023) Vol. 9 No. 4 (2023): Vol. 9 No. 4 (2023) Vol. 9 No. 3 (2023): Vol 9 No 3 (2023) Vol. 9 No. 2 (2023): Vol 9 No 2 (2023) Vol. 9 No. 1 (2022): Vol 9 No 1 (2022) Vol. 8 No. 4 (2022): Vol 8 No 4 (2022) Vol. 8 No. 3 (2022): Vol 8 No 3 (2022) Vol. 8 No. 2 (2022): Vol 8 No 2 (2022) Vol. 8 No. 1 (2021): Vol 8 No 1 (2021) Vol. 7 No. 4 (2021): Vol 7 No 4 (2021) Vol. 7 No. 3 (2021): Vol 7 No 3 (2021) Vol. 7 No. 2 (2021): Vol 7 No 2 (2021) Vol. 7 No. 1 (2020): Vol 7 No 1 (2020) Vol. 6 No. 4 (2020): Vol 6 No 4 (2020) Vol. 6 No. 3 (2020): Vol 6 No 3 (2020) Vol. 6 No. 2 (2020): Vol 6 No 2 (2020) Vol. 6 No. 1 (2019): Vol 6 No 1 (2019) Vol. 5 No. 4 (2019): Vol 5 No 4 (2019) Vol. 5 No. 3 (2019): Vol 5 No 3 (2019) Vol. 5 No. 2 (2019): Vol 5 No 2 (2019) Vol. 5 No. 1 (2018): Vol 5 No 1 (2018) Vol. 4 No. 4 (2018): Vol 4 No 4 (2018) Vol. 4 No. 3 (2018): Vol 4 No 3 (2018) Vol. 4 No. 2 (2018): Vol 4 No 2 (2018) Vol. 4 No. 1 (2017): Vol 4 No 1 (2017) Vol. 3 No. 4 (2017): Vol 3 No 4 (2017) Vol. 3 No. 3 (2017): Vol 3 No 3 (2017) Vol. 3 No. 2 (2017): Vol 3 No 2 (2017) Vol. 3 No. 1 (2016): Vol 3 No 1 (2016) Vol. 2 No. 4 (2016): Vol 2 No 4 (2016) Vol. 2 No. 3 (2016): Vol 2 No 3 (2016) Vol. 2 No. 2 (2016): Vol 2 No 2 (2016) Vol. 2 No. 1 (2015): Vol 2 No 1 (2015) Vol. 1 No. 4 (2015): Vol 1 No 4 (2015) Vol. 1 No. 3 (2015): Vol 1 No 3 (2015) Vol. 1 No. 2 (2015): Vol 1 No 2 (2015) Vol. 1 No. 1 (2014): Vol 1 No 1 (2014) More Issue