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 6 Documents
 1 
Search results for , issue "Vol. 8 No. 4 (2022): Vol 8 No 4 (2022)" : 6 Documents clear
GABUNGAN ADVANCED ENCRYPTION STANDARD DAN VIGENERE CIPHER UNTUK PENGAMANAN DOKUMEN DIGITAL Eko Hari Rachmawanto; Christy Atika Sari
Jurnal Informatika Polinema Vol. 8 No. 4 (2022): Vol 8 No 4 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v8i4.996

Abstract

Penggunaannya yang kian massif dan banyakya data dan informasi yang tersebar di internet yang mungkin saja terdapat data yang bersifat rahasia, menjadikan data tersebut rawan untuk disalahgunakan dari tindakan illegal oleh pihak yang tidak bertanggung jawab. Faktor keamanan menjadi hal yang sangat penting agar data tersebut tetap aman dan terjamin keasliannya. Maka dibutuhkan metode agar data tetap aman dan asli. Kriptografi adalah metode untuk mengamankan data digital dengan cara mengubah dan mengacak data asli (plainteks) menjadi bentuk yang tidak dikenali (cipherteks). Maka dari itu dipilihlah menggunakan kombinasi algoritma vigenere dan AES dalam mengamankan data agar tetap asli. Vigenere digunakan sebagai pembangkit kunci karena aman, cepat dan tidak banyak menghabiskan sumber daya, menghasilkan ciphertext yang bervariasi. AES dipilih sebagai algoritma yang akan mengenkripsi file dokumen karena menggunakan sistem cycle atau putaran, yang bervariasi terhadap panjang kunci. Sehingga ketika variasi panjang kunci yang berbeda, AES akan mengenkripsi file dokumen dengan jumlah putaran yang disesuaikan. Dengan adanya program kombinasi algoritma Vigenere dan AES ini diharapkan dapat membantu dalam menyembunyikan dan mengamankan data agar data tetap terjamin keasliannya. Berdasarkan hasil eksperimen pada proses enkripsi dan dekripsi, dihasilkan nilai Avalanche effect yang cukup baik. Nilai Aevalache Effect diperngaruhi oleh pajnag kunci yang digunakan. Pada Analisa kebutuhan waktu enkripsi dekripsi, diketahui bahwa proses dekripsi pesan membutuhkan waktu yang lebih lama disbanding proses enkripsi.
IMPLEMENTASI SMOTE DAN EXTREME LEARNING MACHINES PADA KLASIFIKASI DATASET MICROARRAY Ivan Sitohang; Triando Hamonangan Saragih; Dwi Kartini; Radityo Adi Nugroho; Mohammad Reza Faisal
Jurnal Informatika Polinema Vol. 8 No. 4 (2022): Vol 8 No 4 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v8i4.1029

Abstract

Tumor otak merupakan salah satu penyakit penyebab kematian terbesar secara global. Banyak cara untuk mendeteksi penyakit tumor otak dengan cara pengambilan struktur DNA microarray pada protein tumor otak lalu melakukan klasifikasi dengan menggunakan machine learning. Hasil penelitian ini adalah untuk mengetahui keakuratan dalam pengklasifikasian tumor otak dengan menggunakan metode Extreme Learning Machines dengan dan tanpa menggunakan oversampling SMOTE pada keseluruhan data. Performa kinerja klasifikasi tertinggi setiap model antara lain model Extreme Learning Machines mendapatkan akurasi sebesar 97.43% pada hidden neuron = 500. Lalu Extreme Learning Machines menggunakan oversampling SMOTE pada keseluruhan data menghasilkan akurasi sebesar 92.30% pada hidden neuron = 200. Pada penelitian ini didapatkan bahwa penggunaan hidden neuron serta penyeimbangan data pada klasifikasi data microarray sangat berpengaruh dalam akurasi yang akan didapatkan dalam penelitian ini.
ARCHITECTURAL DESIGN INFORMATION SYSTEM HEALTH CRISIS MANAGEMENT USING FRAMEWORK ZACHMAN Muhammad Hidayat; Ana Hadiana
Jurnal Informatika Polinema Vol. 8 No. 4 (2022): Vol 8 No 4 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v8i4.971

Abstract

Bencana merupakan suatu hal yang sangat mengganggu aktivitas manusia, wilayah kejadian bencana dapat mengganggu kelancaran aktivitas ekonomi, menghancurkan sendi-sendi sosial, dan membahayakan keberlangsungan hidup komunitas. Semua kejadian bencana menimbulkan krisis kesehatan antara lain lumpuhnya pelayanan kesehatan, korban mati, korban luka, pengungsi, masalah gizi, masalah ketersediaan air bersih, masalah sanitasi lingkungan, penyakit menular dan stres/gangguan kejiwaan. Penanganan tanggap darurat krisis kesehatan akibat bencana membutuhkan strategi pemanfaatan dan peningkatan dukungan sistem informasi, diterapkan untuk keselarasan dalam perencanaan, pelaksanaan dengan strategi bisnis enterprise. Secara garis besar sistem informasi ini dirancang untuk membantu penanganan krisis kesehatan akibat bencana alam. Metode yang digunakan dalam penelitian ini adalah Enterprise Architecture Planning berdasarkan Zachman framework yang mencakup kolom What, How, Where dan baris Scope, Enterprise Model, System Model, sedangkan perangkat lunak digunakan dalam membantu penggambaran sistem yaitu dengan Unified Modelling Language (UML). Perancangan arsitektur sistem informasi penelitian ini menghasilkan 49 entitas data, 32 kandidat aplikasi dan arsitektur teknologi. Roadmap memberikan gambaran prioritas aplikasi yang akan dibuat dalam perancangan arsitektur sistem informasi pengelolaan krisis kesehatan pada dinas kesehatan provinsi Kalimantan Selatan yang akan menunjang proses bisnisnya sehari-hari.
SEGMENTASI PEMBULUH DARAH PADA CITRA RETINA MATA MENGGUNAKAN METODE REGION GROWING Muslih Muslih
Jurnal Informatika Polinema Vol. 8 No. 4 (2022): Vol 8 No 4 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v8i4.960

Abstract

Abstrak memuat Segmentasi citra merupakan pengolahan citra yang sering digunakan untuk memisahkan objek utama dengan objek diluarnya. Segmentasi citra retina mata sudah dilakukan beberapa peneliti agar mempermudah para medis dalam mengidentifikasi penyakit dari dini. Metode segmentasi Region Growing diharapkan dapat menghasilkan segmentasi pembuluh darah dengan akurasi yang tinggi sehingga saat para medis menggunakan aplikasi ini untuk pendeteksian penyakit dapat menghasilkan diagnosis yang akurat dan dalam waktu yang lebih cepat. Data citra retina mata dalam penelitian ini melalui beberapa tahap praprosesing sebelum masuk ke algotirma Region Growing. Praprosesing tersebut adalah resizing, filtering dan thresholding. Hal ini dilakukan agar citra dapat dibaca dengan mudah oleh algoritma Region Growing. Region Growing kemudian akan membaginya menjadi beberapa region yang telah diberi pembatas antar region. Algoritma ini membantu menemukan penyebaran titik-titik yang dinginkan dengan membandingkan nilai piksel titik awal dengan titik tetangganya, sehingga titik-titik yang diinginkan akan bergabung dalam region yang sama.Pada tahap akhir, hasil segmentasi akan diuji keakurasiannya dengan perhitungan akurasi PSNR (Peak Signal to Noise Ratio). Hasil segmentasi yang dilakukan pada 15 data dari 134 data testing yang diujikan berhasil menunjukkan rata-rata nilai PSNR sebesar 50,9605 dB. Percobaan-percobaan telah dilakukan dan menyimpulkan bahwa metode Region Growing dapat memperlihatkan pembuluh darah tebal dengan relatif baik pada berbagai macam citra retina mata.
Model Klasifikasi Pada Seleksi Mahasiswa Baru Penerima KIP Kuliah Menggunakan Regresi Logistik Biner Ronny Susetyoko; Wiratmoko Yuwono; Elly Purwantini
Jurnal Informatika Polinema Vol. 8 No. 4 (2022): Vol 8 No 4 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v8i4.914

Abstract

Seleksi mahasiswa baru penerima Kartu Indonesia Pintar Kuliah (KIP Kuliah) dilakukan oleh setiap institusi untuk memilih mahasiswa yang benar-benar memiliki potensi akademik yang baik dan keterbatasan ekonomi. Pada penelitian ini menggunakan regresi logistik biner sebagai model klasifikasi. Data hasil preprocessing dibagi menjadi data training dan data testing. Beberapa model regresi logistik dibandingkan kinerjanya, baik yang menggunakan data asli, data hasil normalisasi, data undersampling, data oversampling, serta data hasil kombinasi oversampling dan undersampling. Evaluasi model berdasarkan signifikansi parameter di dalam model dan kinerja klasifikasi dari matriks konfusi. Dari perbandingkan tujuh model regresi logistik, model yang terbaik adalah model yang menggunakan data asli dengan rerata F1 Score 92,40%, rerata recall sebesar 87,93%, accuracy sebesar 88,01%, precision sebesar 97,92%, dan AUC sebesar 84,6%.
Analisis Website Petani Kode Menggunakan SUS (System Usabilty Scale) M.Agil Kusumadya; Rasmila; Faiz Hidayat; Dicky Chandra
Jurnal Informatika Polinema Vol. 8 No. 4 (2022): Vol 8 No 4 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v8i4.908

Abstract

Pada era modern saat ini media untuk belajar sudah banyak tersebar di dunia digital seperti internet, banyak website yang menyediakan sarana untuk belajar banyak hal, salah satu dari hal tersebut adalah Bahasa pemrograman,website petani kode adalah salah satu website yang bisa digunakan untuk mempelajari hal tersebut .untuk mengukur tingkat usability website Petani Kode tersebut, dilakukan Pengujian dengan menggunakan kuesioner SUS yang berisi 10 pernyataan. Kemudian data yang terkumpul akan dihitung dengan menggunakan beberapa aturan dalam perhitungan skor SUS,setelah dihitung didapatlah skor rata-rata SUS dari semua responden untuk dibandingkan dengan menggunakan adjektif tabel masuk kategori mana skor rata-rata analisis tersebut.Pada Penelitian ini telah didapat Responden Sebanyak 30 orang lalu dipilih lagi berdasarkan jenis pekerjaan responden yaitu mahasiswa atau pelajar menjadi 20 responden. Dari 20 responden tersebut telah didapatkan nilai SUS sebesar 72,25 dan menurut sistem adjektif rating skor tersebut termasuk kedalam kategori OK dengan grade scale C dan tingkat penerimaaan ACCEPTABLE.

Page 1 of 1 | Total Record : 6

 1 

Filter by Year

2022 2022


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