cover
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)
ISSN : 26146371     EISSN : 2407070X     DOI : https://doi.org/10.33795/jip
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.
Articles 15 Documents
Search results for , issue "Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)" : 15 Documents clear
IMPLEMENTASI ALGORITMA GENETIKA UNTUK SELEKSI FITUR PADA KLASIFIKASI GENRE MUSIK MENGGUNAKAN METODE RANDOM FOREST Nurlatifah Amini; Triando Hamonangan Saragih; Mohammad Reza Faisal; Andi Farmadi; Friska Abadi
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.1028

Abstract

Musik memiliki jenis yang beragam di Dunia. Adapun jenis musik yang paling popular diantaranya yaitu pop, disco, country, dangdut, jazz, blues, reggae, hiphop, rock, metal. Penelitian ini mengenai Klasifikasi genre musik menggunakan metode Random Forest menggunakan dataset dari GitHub atau GTZAN tentang genre musik dengan jumlah label ada 10, memiliki 26 fitur dan jumlah keseluruhan data ada 1000. Penelitian ini dibagi menjadi beberapa tahap, yaitu dengan klasifikasi seluruh data, mengklasifikasi dengan data yang dinormalisasi, melakukan klasifikasi dengan data asli menggunakan tahap seleksi fitur Algoritma Genetika, dan mengklasifikasi pada data yang dinormalisasi dengan seleksi fitur menggunakan Algoritma Genetika. Parameter yang digunakan pada Algoritma Genetika yaitu menggunakan Probabilitas Crossover, Probabilitas Mutasi. Pada penelitian ini Min-Max digunakan untuk metode normalisasi data, dan untuk perhitungan akurasi menggunakan metode Confusion Matrix. Peformasi terbaik dari parameter GA untuk Pc dan Pm menggunakan kombinasi 0.5 dan 0.2. Performasi populasi size terbaik adalah 26 dan iterasi atau max generasi terbaik ada pada 100 iterasi. Akurasi yang dihasilkan ketika menggunakan seluruh data menghasilkan akurasi sebesar 62%, 59% dengan data yang dinormalisasi, 64% dengan semua data menggunakan seleksi fitur Algoritma Genetika dan didapatkan akurasi sebesar 67% dengan menggunakan seleksi fitur Algoritma Genetika yang datanya dinormalisasi. Hasil ini memberi pengetahuan nilai rata-rata akurasi menunjukkan peningkatan dengan diterapkannya seleksi fitur Algoritma Genetika.
PREDIKSI PRODUKSI ES BALOK DENGAN MENGGUNAKAN METODE SINGLE EXSPONENTIAL SMOOTHING Afirsta Aliyana
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.1107

Abstract

Pabrik Es Kasri adalah perusahaan pabrik es yang berada di Pandaan, Jawa Timur berdiri sejak zaman Belanda tahun 1981 dan tetap beroperasi hingga sekarang. Es balok inilah yang paling sering dicari oleh masyarakat dan yang paling laku. Akan tetapi produksi es balok di Pabrik Es Kasri tiap bulannya tidak menentu dan juga permintaan es balok juga tidak bisa diperkirakan.Faktor yang mengakibatkan jumlah produksi pabrik es tidak menentu tiap harinya dan paling mempengaruhi turunnya jumlah produksi yaitu faktor iklim yang tidak bisa diperkirakan yaitu perubahan cuaca ekstrim yang mengakibatkan jumlah produksi menurun. Biasanya pada musim hujan produksi es balok menurun dikarenakan jumlah permintaan sedikit dan mengakibatkan omset penjualan juga menurun. Penelitian ini dilakukan untuk memprediksi jumlah produksi es balok di Pabrik Es Kasri Pandaan agar dapat memperkirakan jumlah produksi es batu pada bulan berikutnya menggunakan metode Single Exponential Smoothing. Single Exponential Smoothing adalah metode pemulusan tunggal yang menambahkan parameter alpha dalam modelnya untuk mengurangi faktor kerandoman. Perhitungan nilai kesalahan yang digunakan adalah Mean Absolute Percent Error (MAPE), adapun parameter yang digunakan untuk melakukan peramalan adalah alpha 0,1 sampai dengan alpha 0,9 , adapun parameter yang digunakan untuk melakukan peramalan adalah alpha 0,2 sampai dengan alpha 0,9. Selanjutnya, berdasarkan hasil uji coba menggunakan metode Single Exponential Smoothing, menunjukan bahwa nilai MAPE terendah dan baik adalah 1,2436449 terletak pada alfa 0,9.
Pengembangan Sistem Face Recognition menggunakan Cloud Service, Raspberry Pi dan Convolutional Neural Network (CNN) Rosa Andrie Asmara; Muhammad Ridwan; Gunawan Budi P; Anik Nur Handayani
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.1181

Abstract

Wajah manusia menjadi bagian terpenting dalam tubuh manusia sebagai karakteristik masing-masing individu manusia. Wajah juga memiliki tekstur yang lebih kaya dan area yang luas. Teknik pengenalan wajah telah dilakukan oleh banyak peneliti dengan berbagai macam metode dan pendekatan. Implementasi tentang Cloud Server untuk penyimpanan data Real Time menggunakan Raspberry Pi telah diterapkan. Peneliti tersebut telah membangun Server Cloud Private yang dapat diatur di Raspberry Pi dan digunakan sebagai perangkat penyimpanan untuk aplikasi real time. Hasil dari penerapan ini adalah penggunaan Raspberry Pi, mikroprosesor dengan harga terjangkau. Komputasi dilakukan menggunakan layanan cloud computing, dikarenakan spesifikasi perangkat keras pada Raspberry Pi yang tidak terlalu baik. Infrastruktur cloud computing dapat diperoleh dengan menggunakan platform Cloud yang disediakan oleh vendor cloud tertentu. Penggunaan Cloud sebagai monitoring melalui pengenalan wajah menggunakan metode Gabor dan fitur CS-LBP diterapkan oleh peneliti. Sedangkan penulis tertarik ingin mengembangkan sistem Face Recognition menggunakan Cloud Service pada Raspberry Pi, menggunakan metode Convolutional Neural Network (CNN). Dari hasil pengujian metode deteksi wajah antara Haar Cascade dengan CNN dengan berbagai variasi dan kondisi dari data pengujian, untuk Haar Cascade diperoleh akurasi rata-rata sebesar 81,12%, sedangkan jika menggunakan CNN diperoleh akurasi sebesar 86,53%. Pada pengujian encoding pengenalan wajah dengan CNN, tingkat akurasi yang lebih tingkat tinggi diperoleh jenis model pengenalan arcface yakni 67,69% sedangkan facenet hanya memperoleh akurasi 66,46%.
PENGEMBANGAN APLIKASI BOWLL UNTUK PERHITUNGAN KEBUTUHAN KALORI DENGAN METODE WATERFALL Agwin Fahmi Fahanani; Intan Yusuf Habibie; Leonardo Kamajaya; Nurvandy
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.1141

Abstract

Pangan merupakan kebutuhan pokok bagi kelangsungan hidup manusia. Pola makan seseorang yang buruk dipengaruhi oleh banyaknya junk food dan fast food yang tidak diketahui kandungan gizinya. Selain itu, kurangnya kesadaran masyarakat tentang kebutuhan kalori turut menyebabkan sulitnya seseorang dalam menentukan pola makan yang sehat dan seimbang. Kalori dalam tubuh dikatakan seimbang jika kalori yang dikonsumsi sama dengan kalori yang dikeluarkan oleh tubuh. Kelebihan kalori dapat meningkatkan risiko hipertensi, obesitas, penyakit jantung, stroke, diabetes, dan masalah kesehatan lainnya. Laju metabolisme basal dapat digunakan untuk menghitung kebutuhan kalori tubuh untuk melakukan aktivitas dengan menggunakan rumus Harris Benedict. Aplikasi untuk menghitung kebutuhan kalori dan menghitung kalori dari makanan yang dikonsumsi dibuat untuk memudahkan masyarakat dalam menghitung kebutuhan kalorinya. Aplikasi dibuat menggunakan block programming pada website Kodular dan diuji menggunakan metode black box. Aplikasi ini dapat digunakan untuk menghitung kebutuhan kalori serta untuk merencanakan pola makan yang sehat dan seimbang.
DESAIN ARSITEKTUR ENTERPRISE SISTEM PEMERITAHAN BERBASIS ELEKTRONIK BIDANG KESEHATAN Agung Laksono
Jurnal Informatika Polinema Vol. 9 No. 1 (2022): Vol 9 No 1 (2022)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v9i1.1155

Abstract

Kesehatan menjadi pusat perhatian terutama sejak Covid-19 merebak dan berdampak terhadap berbagai aspek kehidupan masyarakat Indonesia. Layanan Kesehatan diharuskan untuk mampu menyajikan data dan informasi yang cepat dan akurat, sehingga diharapkan strategi penyelesai berbagai tantangan bidang Kesehatan dapat terkendali dan cepat diselesaikan. Transformasi digital menjadi penting karena hanya teknologi informasi yang mampu mendorong pelayanan publik menjadi dapat lebih cepat, adaptif, akurat dan terintegrasi. Perlu adanya perencanaan transformasi digital yang terstruktur dan menyeluruh dapat memberikan pelayanan prima dan adaptif terhadap harapan masyarakat terhadap layanan kesehatan. Tantangannya, palayanan antar satu puskesmas dan lainnya masih berbeda-beda tergantung dari letak geografis dan fasilitas yang dimiliki. Selain itu, variasi aplikasi yang dikembangkan oleh pemerintah pusat mencapai hingga 77 variasi apliasi di tingkat puskesmas sehingga berakibat sulitnya integrasi dan mendukung interoperabilitas antar sistem. Pengembangan teknolog informasi masih bersifat fragmented antar divisi yang berakibat duplikasi entri untuk sistem yang berbeda, data olahan yang redundan, dan sulitnya menjaga konsistensi data. Penelitian ini bermaksud untuk membuat arsitektur enterprise bidang Kesehatan dengan studi kasus pusdatin Kementerian Kesehatan yang berfokus pada layanan Kesehatan di tingkat puskesmas. Puskesmas merupakan garda terbawah layanan Kesehatan (Kemenkes, 2019) dan telah memiliki regulasi sistem informasi puskesmas (Kemenkes, 2021) yang seharusnya dapat mendorong peningkatan optimasasi penggunaan teknologi informasi di tingkat puskesmas yang terintegrasi hingga pusat. Harapannya penelitian ini dapat menyajikan grand design pengelolaan teknologi informasi berbasis industry 4.0 yang efektif dan sesuai dengan regulasi yang berlaku. Penelitian akan berfokus pada pengembangan arsitektur enterprise dengan mempertimbangkan kebijakan Sistem Pemerintahan Berbasis Elektronik (SPBE). Metode perancangan arsitektur dikembangkan menggunakan kerangka kerja TOGAF ADM untuk menganalisis arsitektur sistem. Studi ini merancang arsitektur pada tingkat kementerian sebagai turunan dari arsitektur induk serta menyelaraskan dengan arsitektur daerah. Analisa didukung dengan mempertimbangkan kesesuaian regulasi SPBE, regulasi Meteri Kesehatan, rencana strategis jangka Menengah, dan peta jalan digital transformasi Kementerian Kesehatan. Hasil analisis akan disajikan dalam gap analysis yang membandingkan kondisi saat ini dan target arsitektur ingin dicapai. Rancangan ini diharapkan dapat memberikan usulan arsitektur enterprise dalam imlementasi Sistem Pemerintahan Berbasis Elektronik pada Kementerian Kesehatan. Selain itu, studi ini juga dapat menjadi referensi untuk desain arsitektur enterprise dengan metodologi TOGAF ADM dan pengembangan berbasis SPBE.

Page 2 of 2 | Total Record : 15


Filter by Year

2022 2022


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