Jurnal Edukasi dan Penelitian Informatika (JEPIN)
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.
Articles
19 Documents
Search results for
, issue
"Vol 5, No 2 (2019): Volume 5 No 2"
:
19 Documents
clear
<![CDATA[Perbandingan Akurasi Klasifikasi Citra Kayu Jati Menggunakan Metode Naive Bayes dan k-Nearest Neighbor (k-NN) ]]>
<![CDATA[Waliyansyah, Rahmat Robi]]>;
<![CDATA[Fitriyah, Citra]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 2 (2019): Volume 5 No 2 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (16.167 KB)
|
DOI: 10.26418/jp.v5i2.32473
<![CDATA[Indonesia saat ini merupakan salah satu produsen terbesar produk yang terbuat dari kayu. Kayu-kayu tersebut tidak semuanya memiliki nilai jual. Kayu jati merupakan salah satu kayu yang memiliki nilai jual yang tinggi, baik skala nasional maupun internasional. Pengelompokkan jenis kayu jati menggunakan beberapa parameter yaitu tekstur, berat, warna dan lain sebagainya. Pengelompokkan jenis kayu jati biasanya memiliki subjektifitas yaitu ketergantungan dari mata manusia (ahli/pakar). Oleh karena itu diterapkanlah teknologi untuk membantu dalam menganalisis suatu tekstur kayu jati agar bisa diklasifikasikan ke dalam kelompok-kelompok tertentu. Pada penelitian ini jenis kayu jati yang digunakan ada 3 : semarangan, blora dan sulawesi. Proses klasifikasi jati menggunakan pengolahan citra digital dengan Metode Naive Bayes dan k-Nearest Neighbor (k-NN). Analisis yang digunakan adalah tekstur dengan Metode Gray Level Co-occurrence Matrix (GLCM) dan jarak spasial adalah 1 piksel. Berdasarkan hasil pengujian dan analisis, Metode k-NN secara umum baik dalam mengklasifikasikan 3 jenis kayu jati yaitu semarangan, blora dan sulawesi dengan tingkat akurasi di atas 70%. Akan tetapi klasifikasi paling baik untuk jenis kayu jati sulawesi dengan Metode Naive Bayes, tingkat akurasinya sebesar 82,7%.]]>
<![CDATA[Analisis Sentimen Penilaian Tempat Tujuan Wisata Kota Tegal Berbasis Text Mining ]]>
<![CDATA[Somantri, Oman]]>;
<![CDATA[Dairoh, Dairoh]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 2 (2019): Volume 5 No 2 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (458.962 KB)
|
DOI: 10.26418/jp.v5i2.32661
<![CDATA[Mendapatkan sebuah informasi untuk meningkatkan pelayanan dan strategi dalam pengelolaan tempat kunjungan wisata masih sedikit dan sulit dikarenakan informasi yang didapatkan masih terbatas. Media sosial memiliki peranan dalam memberikan sebuah data terhadap penilaian kunjungan wisata, sama halnya dengan tempat-tempat wisata yang berada di wilayah Tegal dan sekitarnya. Pada penelitian ini model sentiment analysis diusulkan sebagai solusi untuk mengatasi permasalahan. Tujuan dari penelitian ini adalah mencari model sistem untuk memberikan sebuah informasi pendukung keputusan bagi para wisatawan dan pengelola tempat wisata untuk dijadikan sumber informasi terhadap tempat wisata yang ada. Metode penelitian yang digunakan adalah dengan melakukan eksperimen untuk mendapatkan model yang diharapkan. Pada penelitian ini metode Naïve Bayes dan Decision Tree diterapkan untuk klasifikasi teks sehingga mendapatkan model terbaik yang dihasilkan untuk diimplementasikan pada sistem sehingga model yang didapatkan dapat dijadikan sebuah sistem pendukung keputusan untuk pengembangan sistem cerdas pada pihak terkait dalam upaya peningkatan nilai jual potensi daerah khususnya bidang pariwisata. Hasil penelitian menunjukan bahwa model yang didapatkan setelah dilakukan eksperimen didapatkan tingkat akurasi naïve bayes menghasilkan 77,50% lebih baik dibandingkan dengan menggunakan Decision Tree yang menghasilkan tingkat akurasi 60,83%.]]>
<![CDATA[Sistem Informasi Evaluasi Kualitas Kinerja Dosen dalam menentukan Key Performance Indicator ]]>
<![CDATA[Syah, Ilham]]>;
<![CDATA[Setyaningsih, Fatma Agus]]>;
<![CDATA[Rahmayuda, Syahru]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 2 (2019): Volume 5 No 2 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (835.747 KB)
|
DOI: 10.26418/jp.v5i2.29649
<![CDATA[Kontrol dan evaluasi merupakan fungsi yang penting dalam manajemen untuk memastikan rencana kerja organisasi bisa berjalan dengan baik sehingga akhir organisasi bisa tercapai. Untuk bisa melakukan fungsi kontrol dan evaluasi dengan baik dibutuhkan sistem  informasi manajemen kinerja yang baik. Sistem manajemen kinerja yang baik harus bisa menggambarkan proses bisnis yang terjadi dalam organisasi secara keseluruhan. Sistem informasi evaluasi kinerja dosen dibangun dengan memuat ukuran-ukuran Key Performance Indicator (KPI) dari sebuah model kinerja dosen yang dikembangkan dalam bentuk kuesioner secara online dan tersistem. Dashboard model dapat mengintegrasikan data dari berbagai sumber disetiap unit, dimana mereka dapat mengelola data dan menyajikan dalam bentuk laporan informasi yang berkualitas. Hasil penelitian menunjukkan evaluasi kinerja dosen berdasarkan nilai KPI sebesar 0.616 dengan kategori penilaian baik berkisar antara 0.6 sampai 0.8,  dapat dijadikan referensi sebuah model evaluasi kinerja dosen yang digambarkan dalam bentuk model dashboard untuk memberikan evaluasi terhadap mutu proses pembelajaran yang dilakukan oleh dosen dalam rangka meningkatkan kualitas proses pembelajaran.]]>
<![CDATA[Designing Android-Based Mobile Application for Language Learning (MALL) for the National Exam Simulation ]]>
<![CDATA[Wijayanto, Pikir Wisnu]]>;
<![CDATA[Hernawati, Elis]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 2 (2019): Volume 5 No 2 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (920.823 KB)
|
DOI: 10.26418/jp.v5i2.31226
<![CDATA[This research aims at designing an Android-based mobile application for language learning (MALL) for the final exam simulation of the English subject for junior high school students. The method used in building the Android-based mobile application is the software development life cycle (SDLC). Based on the implementation of user design and testing, the user (teacher and students) can do a test by using an application that runs on the Android platform. The Android device will request (get / post) to the server via the internet. Then the web server (PHP) will process the request from Android and will query the database. The computer then sends data to the Android device via JavaScript Object Notation (JSON). It is as an intermediary between the server and the Android application. The name of this application is SOUN that stands for “Soal Ujian Nasional†or the National Examination Questions. The teacher can manage the questions and see the scores that the students have achieved. While the students can practice answering the questions of English exercises independently, anytime and anywhere both online and offline. They can also see the score immediately based on the questions that they answered. They also know the solution, tricks, and tips on doing the exercises by choosing the menu provided. Therefore, the use of MALL as the learning media can become one of the alternative English learning models in order to prepare the students for practicing the simulations of the national examination]]>
<![CDATA[Features of Distributional Method for Indonesian Word Clustering ]]>
<![CDATA[Sujaini, Herry]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 2 (2019): Volume 5 No 2 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (379.039 KB)
|
DOI: 10.26418/jp.v5i2.33049
<![CDATA[We described the results of a study to determine the best features for algorithm EWSB (Extended Word Similarity Based). EWSB is a word clustering algorithm that can be used for all languages with a common feature. We provided four alternative features that can be used for word similarity computation and experimented toward the Indonesian Language to determine the best feature format for the language. We found that the best feature used in the algorithm to Indonesian EWSB is t w w' format (3-gram) with 0 (zero) word relation. Moreover, we found that using 3-gram is better than 4-gram for all the proposed features. Average recall of 3-gram is 83.50%, while the average 4-gram recall is 57.25%.]]>
<![CDATA[Implementasi Local Binary Pattern untuk Deteksi Keaslian Mata Uang Rupiah ]]>
<![CDATA[Miladiah, Miladiah]]>;
<![CDATA[Umar, Rusydi]]>;
<![CDATA[Riadi, Imam]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 2 (2019): Volume 5 No 2 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (864.572 KB)
|
DOI: 10.26418/jp.v5i2.32721
<![CDATA[Penelitian ini dirancang untuk mendeteksi keaslian mata uang rupiah dengan mengimplementasikan metode Local Binary Pattern (LBP). Metode ini memberikan tingkat keakuratan yang cukup tinggi. Ekstraksi LBP mengenalkan fitur-fitur pada tekstur permukaan uang kertas. Proses ekstraksi ciri dilakukan berdasarkan pada hasil perbaikan citra dan grayscaling dari proses akuisisi data citra uang dengan kamera smartphone. Sampel yang digunakan pada penelitian ini adalah pecahan 50.000 dan 100.000 rupiah. Dari hasil penelitian ini, metode LBP memperoleh akurasi tertinggi yaitu sebesar 100% bervariasi tergantung dari jumlah data pelatihan yang dilakukan. Sedangkan rata-rata akurasi dari total 120 data uji dengan masing – masing 30 set data pecahan 50k asli, 30 set data pecahan 50k palsu dan 30 set data pecahan 100k asli dan 30 set data pecahan 100k palsu adalah sebesar 95% dengan nilai k=1. Dimana 95% terdeteksi benar dan 5% terdeteksi salah. Penelitian ini menunjukkan bahwa metode Local Binary Pattern berpotensi untuk mendeteksi keaslian uang kertas rupiah.]]>
<![CDATA[Solusi Prediksi Persediaan Barang dengan Menggunakan Algoritma Apriori (Studi Kasus: Regional Part Depo Auto 2000 Palembang) ]]>
<![CDATA[Ependi, Usman]]>;
<![CDATA[Putra, Ade]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 2 (2019): Volume 5 No 2 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (1128.428 KB)
|
DOI: 10.26418/jp.v5i2.32648
<![CDATA[Dalam memprediksi persediaan barang banyak metode yang dapat dilakukan antara lain yaitu dengan melakukan pengolahan data penjualan menggunakan metode Data Mining yang disertai dengan algoritma apriori didasarkan pada proses pembelian yang dilakukan oleh konsumen berdasarkan keterkaitan antar produk yang dibeli. Dengan menggunakan algoritma apriori pihak perusahaan dalam hal ini adalah Regional Part Depo Auto 2000 Palembang dapat menyediakan spare part yang dibutuhkan oleh konsumen khususnya dilingkungan Sumatera Selatan tanpa harus melakukan proses indent hal ini dikarenakan banyaknya jumlah spare part yang harus di sediakan oleh PT. Depo Toyota guna melayani kebutuhan konsumen di lingkungan Sumatera Selatan. Adapun tahapan data mining yang di gunakan yaitu Knowledge Discovery in Database (KDD) yang terdiri dari proses data cleaning and integration, data selection and integration, data mining, evaluation and prentation. Dari proses diatas didapat pola keterkaitan spare part sebanyak 646 dari jumlah spare part sebanyak 338.]]>
<![CDATA[Pengembangan Model Jaringan Syaraf Tiruan untuk Mendeteksi Anomali Satelit LAPAN-TUBSAT ]]>
<![CDATA[Herawan, Agus]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 2 (2019): Volume 5 No 2 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (570.601 KB)
|
DOI: 10.26418/jp.v5i2.32764
<![CDATA[Kasus satelit mengalami anomali seringkali di temukan pada satelit-satelit yang beroperasi pada orbit polar. Namun permasalahan yang muncul adalah kondisi satelit sering berubah-ubah sehingga operator belum bisa mengantisipasi kondisi tersebut. Oleh sebab itu, model deteksi kondisi satelit dapat berperan sebagai early warning operator satelit untuk mempersiapkan strategi yang berkaitan dengan kebijakan preventif terkait pencegahan ketika satelit mengalami kondisi tidak normal. Tujuan penelitian ini adalah menerapkan Jaringan Syaraf Tiruan (JST) bakcpropagation dalam mendeteksi kondisi anomali  pada satelit LAPAN-TUBSAT, serta mengetahui tingkat akurasi dari proses deteksi tersebut sehingga diperoleh parameter dan arsitektur jaringan JST terbaik. Proses pembelajaran dan pengujian JST menggunakan data kejadian anomali tahun 2009 sampai 2014. Arsitektur JST yang digunakan adalah jumlah node input 4, dua hidden layer, jumlah node lapisan tersembunyi (hidden neuron) divariasikan pada nilai 5, 10, 15 dan 20. Parameter yang diberikan pada proses pembelajaran antara lain adalah fungsi aktivasi, toleransi galat, jumlah epoch maksimal dan variasi nilai laju pembelajaran (learning rate). Empat parameter input yang digunakan yakni elektron (mep0e1), proton (mep0p1), indeks Kp serta indeks Dst. Hasil penelitian menunjukkan bahwa arsitektur jaringan syaraf terbaik dihasilkan oleh jaringan dengan jumlah input node empat, hidden neuron 20 dan 10, nilai learning rate sebesar 0.05 dengan 306 epoch, menghasilan rata-rata akurasi sebesar 98.13%, serta nilai precision dan recall sebesar 98.21% dan 94.81%.]]>
<![CDATA[Search Halal Products Using BM25F and the Analytic Hierarchy Process ]]>
<![CDATA[Rakhmawati, Nur Aini]]>;
<![CDATA[Fajriyadi, Adnan Mauludin]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 2 (2019): Volume 5 No 2 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (637.932 KB)
|
DOI: 10.26418/jp.v5i2.33007
<![CDATA[In Indonesia, the Institute of Food and Drug Administration (LPPOM) MUI is the official institution that provides information about halal products. However, the lack of information is provided on the website. Halal Nutrition Food is an application that has a function to facilitate the search for halal products that are incorporated in an integrated database in the form of Linked Open Data. To improve the searching features, we exploit BM25F. BM25F can process structured documents such as instances in RDF. The BM25F return the answer based on four fields: product name, manufacturer name, product ID and ingredient name. The weight of each field is calculated using the Analytic Hierarchy Process (AHP) where the product name gets the highest weight value. The number of keywords and the keywords occurrences influence the score of query results.]]>
<![CDATA[Penerapan Backpropagation dan Analisis Sensitivitas pada Prediksi Indikator Terpenting Perusahaan Listrik ]]>
<![CDATA[Fachri, Barany]]>;
<![CDATA[Windarto, Agus Perdana]]>;
<![CDATA[Parinduri, Ikhsan]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 2 (2019): Volume 5 No 2 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
Full PDF (318.86 KB)
|
DOI: 10.26418/jp.v5i2.31650
<![CDATA[Listrik merupakan kebutuhan bagi kehidupan masyarakat yang sangat penting. Penelitian ini bertujuan untuk mengetahui indikator terpenting pada perusahaan listrik dengan menggunakan metode backpropagation dan analisis sensitivitas. Data bersumber dari Badan Pusat Statistik (BPS) dengan sampel data tahun 2001-2015. Variabel input terdiri dari 6 indikator terpenting perusahaan listrik antara lain: jumlah tenaga kerja (X1); daya terpasang (X2); produksi listrik (X3); tenaga listrik yang terjual (X4); biaya input (X5) dan biaya output (X6). Berdasarkan hasil pelatihan dan pengujian dari 5 model JST (6-10-1; 6-45-1; 6-45-10-1; 6-75-10-1 dan 6-100-75-1) diperoleh model JST terbaik adalah 6-100-75-1 dengan tingkat akurasi 83%. Hasil dari pemilihan model JST terbaik dianalisis dengan analisa sensitivitas, sehingga menghasilkan dua variabel yang paling berpengaruh pada indikator terpenting perusahaan listrik yakni: biaya output (X6) sebagai peringkat pertama dengan nilai error rata-rata 0,13670 dan daya terpasang (X2) nilai error rata-rata 0,08778.]]>
