cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
jieet@unesa.ac.id
Editorial Address
Jurusan Teknik Informatika, Fakultas Teknik Universitas Negeri Surabaya Kampus Ketintang, Gedung A10, lt.2, Surabaya-Indonesia, 60231.
Location
Kota surabaya,
Jawa timur
INDONESIA
JIEET (Journal of Information Engineering and Educational Technology)
Published by Universitas Negeri Surabaya
ISSN : -     EISSN : 2549869X     DOI : http://dx.doi.org/10.26740/
Core Subject : Science, Engineering,
Computer Science & IT Engineering
Journal Description: JIEET (Journal of Information Engineering and Educational Technology) is a scientific journal that publishes the peer-reviewed research papers in the field of Computer Engineering, Distributed and Parallel Systems, Business Informatics, Computer Science, Computer Security, System & Software Engineering and Educational Technology.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 7 Documents
 1 
Search results for , issue "Vol. 5 No. 2 (2021)" : 7 Documents clear
Metode Simple Additive Weighting Untuk Sistem Pendukung Keputusan Pengangkatan Karyawan Ibnu Alfarobi; Entin Sutinah; Achmad Baroqah Pohan; Andre Gusti Hermawan
JIEET (Journal of Information Engineering and Educational Technology) Vol. 5 No. 2 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v5n2.p68-77

Abstract

Salah satu faktor penting yang menentukan keberhasilan suatu perusahaan jasa dalam mencapai sebuah target yang telah ditentukan oleh perusahaan adalah sumber daya manusia. Dalam sebuah perusahaan ketika melakukan proses seleksi karyawan baru maupun karyawan kontrak yang akan dijadikan sebagai karyawan tetap haruslah objektif. Namun, banyak perusahaan yang masih belum mempunyai tolak ukur penilaian yang baku. Hal ini dapat menyebabkan karyawan yang telah dipilih tidak dapat memenuhi kriteria standar yang sudah ditentukan oleh perusahaan. Hotel Ciputra juga mengalami kendala tersebut, yakni kurangnya objektivitas saat memilih karyawan kontrak yang akan dijadikan karyawan tetap. Dalam penelitian ini penulis telah menganalisa bagaimana cara menentukan pengangkatan karyawan yang baik yang dapat digunakan oleh pihak manajemen hotel dengan membangun sebuah sistem pendukung keputusan menggunakan metode Simple Additive Weighting (SAW). Adapun kriteria yang dipakai yaitu: absensi, tingkat pendidikan, keahlian, job knowledge, kerjasama, kualitas kerja, kemampuan berbahasa inggris, dan lain-lain. Berdasarkan hasil penelitian, dengan menerapkan metode SAW pada proses seleksi karyawan tetap ini terbukti sangat membantu manajemen hotel dalam menentukan siapa calon kandidat karyawan yang terbaik.
Klasterisasi Topik Konten Channel Youtube Gaming Indonesia Menggunakan Latent Dirichlet Allocation Nur Aini Rakhmawati; Rekyan Bayu Waskitho; Dimas Arief Rahman; Muhammad Fajrul Alam Ulin Nuha
JIEET (Journal of Information Engineering and Educational Technology) Vol. 5 No. 2 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v5n2.p78-83

Abstract

Youtube adalah platform untuk saling berbagi video terbesar di internet. Semakin platform ini berkembangan, semakin banyak konten yang tersedia di dalamnya, yang dikarenakan semakin beragam genre videonya. Salah satu genre video yang sedang naik daun adalah konten gaming, yang mana topik tersebut adalah objek pada penelitian ini. Penelitian ini dilakukan dengan menggunakan metode Latent Dirichlect Allocation (LDA) untuk memetakan topik-topik dari genre gaming ini. Data didapatkan dari 10 kanal gaming dengan subscribers terbanyak di Indonesia, yang diekstrak dengan melakukan text mining. Total data yang didapatkan adalah sebanyak 12.757 video. Sekian banyak video ini dipetakan menjadi 5 topik yang paling dominan. Adapun jumlah topik yang diambil didasarkan pada perhitungan perplexity, dan keterkaitan kata dalam topik dihitung menggunakan coherence. Topik tersebut antara lain bocoran update dan season baru, review hero dan skin baru, live bermain game di saat ada event yang menarik, membahas bug yang terjadi pada patch baru rilis sehingga mempengaruhi gameplay, dan konten memborong skin dalam game. Kata Kunci— Latent Dirichlet Allocation, Gaming, analisis topik, topik dominan, konten youtube.
Efektifitas dan Kepraktisan Training Kit Robot Transporter dengan Aplikasi Android Berbasis Arduino Puput Wanarti Rusimamto; Endryansyah Endryansyah; Rizzal Aulia Ramadhan
JIEET (Journal of Information Engineering and Educational Technology) Vol. 5 No. 2 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v5n2.p61-67

Abstract

Pendidikan merupakan sarana efektif untuk pengembangan sumber daya manusia yang lebih baik. Pemanfaatan teknologi dalam pendidikan merupakan salah satu cara untuk memperbaiki kualitas dan kompetensi pendidikan di Indonesia. Dalam upaya tersebut, maka dibuatlah training kit robot transporter remote control dengan aplikasi android berbasis Arduino sebagai media pembelajaran yang efektif dan praktis untuk siswa dalam belajar IoT, mikrokontroller maupun mikroprosesor. Metode yang digunakan dalam penelitian ini adalah penelitian pengembangan dengan model ADDIE. Training kit yang dihasilkan sudah divalidasi, kemudian tahap selanjutnya adalah menerapkan training kit pada 30 siswa SMK yang belajar mikrokontroler dan mikroprosesor. Hasil belajar dan angket respon dianalisis untuk mengetahui keefektifan dan kepraktisan dari training kit. Hasil belajar siswa pada uji coba memperoleh nilai rata-rata sebesar 84,3. Sehingga training kit yang dikembangkan efektif untuk menunjang proses pembelajaran. Berdasarkan angket hasil respon peserta didik, diperoleh hasil rata-rata sebesar 83,33%, sehingga training kit tergolong sangat praktis untuk digunakan sebagai penunjang praktikum.
Penerapan Principal Component Analysis (PCA) Untuk Reduksi Dimensi Pada Proses Clustering Data Produksi Pertanian Di Kabupaten Bojonegoro Dyah Hediyati; I Made Suartana
JIEET (Journal of Information Engineering and Educational Technology) Vol. 5 No. 2 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v5n2.p49-54

Abstract

Dalam penelitian, data harus melalui proses pengolahan agar dapat digunakan dalam penelitian tersebut. Data yang digunakan haruslah valid untuk dapat menghasilkan solusi yang tepat guna. Pengolahan data dalam jumlah besar secara manual berpeluang menghasilkan banyak kesalahan. Untuk itu diperlukan pendekatan teknologi untuk dapat meminimalisir kesalahan yang dapat terjadi. Data mining merupakan suatu proses pengekstrakan informasi dari kumpulan data yang besar. Proses ini bertujuan untuk mendapatkan intisari dari kumpulan data tersebut. Proses data mining dapat menghasilkan menghasilkan informasi penting berupa klasifikasi (classification), pengelompokan (clustering), bahkan prediksi (prediction). Clustering merupakan suatu proses analisis data untuk membentuk sekelompok objek berdasarkan sifat dan cirinya sehingga terbentuk suatu kelompok yang bersifat homogen antar anggota pada kelompok yang sama. Namun, beberapa algoritma clustering menemui masalah ketika dihadapkan pada data dengan dimensi tinggi, termasuk juga K-Means. Reduksi dimensi dapat dijadikan sebagai salah satu langkap optimasi algoritma clustering. Proses reduksi dimensi yang umumnya diterapkan pada tahap pre-processing data bertujuan untuk mengurangi jumlah fitur (dimensi) tanpa menghilangkan informasi penting dari suatudata. Metode PCA akan membentuk sekumpulan dimensi baru yang kemudian di ranking berdasarkan varian datanya, sehingga tercipta kumpulan data dengan fitur yang lebih sederhana. Penelitian ini akan menguji kinerja PCA sebagai salah satu metode optimasi algoritma clustering K-Means yang diterapkan pada data pertanian Kab. Bojonegoro pada tahun 2017 hingga 2020. Dataset hasil clustering yang didapatkan dari situs BPS akan dibandingkan dengan dataset dari sumber yang sama namun telah mengalami proses reduksi dimensi menjadi 1 PC, 2 PC, dan 3 PC. Evaluasi data hasil clustering menggunakan nilai DB Index menunjukkan nilai paling optimal pada dataset yang direduksi menjadi 1 PC dan dibentuk menjadi 3 klaster, yaitu 0.4072. sedangkan dengan jumlah klaster yang sama, dataset dengan 2PC menghasilkan nilai DB Index 0.6168, dataset dengan 3 PC menghasilkan nilai 0.6598, dan dataset tanpa proses reduksi dimensi menghasilkan nilai DB Index 0.4598.
Analisa Learning Rate dan Batch Size pada Klasifikasi Covid Menggunakan Deep Learning dengan Optimizer Adam Naim Rochmawati; Hanik Badriyah Hidayati; Yuni Yamasari; Hapsari Peni Agustin Tjahyaningtijas; Wiyli Yustanti; Agus Prihanto
JIEET (Journal of Information Engineering and Educational Technology) Vol. 5 No. 2 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v5n2.p44-48

Abstract

Deep learning semakin berkembang pesat dan banyak dimanfaatkan dalam berbagai bidang kehidupan. Salah satunya bisa dimanfaatkan untuk klasifikasi image medis penderita covid. Keras adalah salah satu framework deep learning yang paling banyak digunakan. Dalam Keras, terdapat beberapa macam algoritma optimizer. Salah satunya adalah optimizer Adam. Untuk menggunakan optimizer Adam ini, perlu menentukan angka learning rate. Penentuan angka learning rate sangat penting karena salah dalam menentukan angka learning rate akan berdampak pada hasil deep learning yang dilakukan. Batch size juga salah satu hyperparameter penting dalam deep learning. Penelitian ini bertujuan untuk mengetahui dan membandingkan beberapa learning rate dan batch size agar diketahui efek dan dampaknya pada hasil loss dan akurasi training dan validasi pada proses deep learning yang dilakukan. Ada 6 learning rate dan 3 batch size yang akan dibandingkan. Hasil yang optimal diantara 6 learning rate dalam penelitian ini adalah 0.0001 dan 0.00001. Sedangkan batch size yang paling bagus hasilnya dari tiga angka yang dibandingkan adalah batch size 5
Prediksi Kinerja Akademik Mahasiswa Menggunakan Machine Learning dengan Sequential Minimal Optimization untuk Pengelola Program Studi Andi Nurhidayat; Asmunin Asmunin; Dwi Fatrianto Suyatno
JIEET (Journal of Information Engineering and Educational Technology) Vol. 5 No. 2 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v5n2.p84-91

Abstract

Kinerja akademik mahasiswa menjadi salah satu tolok ukur keberhasilan pengelolaan program studi.Kinerja akademik mahasiswa dapat dilihat pada nilai indek kumulatif (IPK) dan kelulusan tepat waktu. Maka dari itu, peneliti melakukan penelitian untuk membuat pemodelan Prediksi Kinerja Mahasiswa untuk Pengelola Program Studi di Perguruan Tinggi (Studi Kasus: Program Studi Teknik Informatika dan Sistem Informasi UNESA). Penelitian ini menggunakan data akademik berupa sampel data mahasiswa Jurusan Teknik Informatika UNESA sejumlah 330 data. Metode yang digunakan adalah metode Support Vector Machine (SVM) dengan SMO. Pelatihan dan pengujian sistem dilakukan dengan metode Percentage split 80% dengan mengukur hasil akurasi, presisi dan recall. Pelatihan dan pengujian dilakukan dengan mengukur hasil akurasi, presisi, waktu pemrosesan, dan recall. Berdasarkan uji coba yang dilakukan, penerapan SVM memiliki hasil perhitungan akurasi=93,94%, presisi=94,7% dan recall=94,7%
Smart Garden Automation Dengan Memanfaatkan Teknologi Berbasis Internet Of Things (IoT) Agus Prihanto; Naim Rachmawati; Aditya Prapanca
JIEET (Journal of Information Engineering and Educational Technology) Vol. 5 No. 2 (2021)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v5n2.p55-60

Abstract

Sulitnya mendapatkan lahan tanah di kota menjadikan perumahan masa kini memiliki luasan yang sangat sempit. Keterbatasan lahan tersebut menyebabkan halaman rumah maupun kantor menjadi sangat sempit, namun dengan keterbatasan lahan ini tidak menurunkan minat warga kota untuk menampilkan taman sehingga suasana rumah/kantor lebih ‘hijau’ dan ‘dingin’. Salah satu konsep taman yang saat ini sedang marak dan menjadi perhatian masyarakat luas adalah penggunaan vertical garden. Vertikal garden ini mempunyai beberapa kelebihan diantaranya adalah merupakan solusi penghijauan cukup efisien karena tidak membutuhkan lahan yang luas dan media tanah yang sedikit, namun juga mempunyai beberapa kelemahan yaitu perawatannya harus intens terutama dalam hal kecukupan air. Jika sampai telat dalam penyiraman air, maka akan menimbulkan tanaman yang rusak karena kekeringan, selain itu masyarakat di perkotaan umumnya banyak yang sibuk sehingga tidak jarang mereka sering lupa menyiram tanaman. Bagi para pekerja kantor yang harus berangkat pagi sebelum matahari terbit hingga pulang setelah matahari terbenam, tentunya sulit menyirami tanaman secara rutin. Salah satu solusi untuk mengatasi kesulitan tersebut adalah dengan melakukan automasi penyiraman air yang memanfaatkan teknologi berbasis Internet of Things (IoT) sehingga menjadikan lebih smart. Dari hasil pengujian dan pembahasan diperoleh hasil bahwa metode penjadwalan Countdown memiliki hasil yang paling baik yaitu: a) sudah mendukung automasi, b) mendukung pengambilan keputusan, c) konfigurasi yang paling sederhana dibandingkan metode lain. Metode penjadwalan Countdown juga dapat melakukan aksi saklar otomatis menjadi Off setelah melakukan perhitungan mundur dari awal saklar On meskipun tidak ada koneksi internet. Hal ini penting agar ketika jadwal penyiraman telah dimulai, maka bisa dipastikan penyiraman juga dapat diakhiri meskipun dalam kondisi internet terputus setelah penyiram berhasil dimulai. Kata Kunci - Vertical Garden, IoT, Automasi, Smart, Countdown

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2021 2021


Reset
Filter By Issues
All Issue Vol. 9 No. 2 (2025) Vol. 9 No. 1 (2025) Vol. 8 No. 2 (2024) Vol. 8 No. 1 (2024) Vol. 7 No. 2 (2023) Vol. 7 No. 1 (2023) Vol. 6 No. 2 (2022) Vol. 6 No. 1 (2022) Vol. 5 No. 2 (2021) Vol 5, No 1 (2021) Vol. 5 No. 1 (2021) Vol. 4 No. 2 (2020) Vol 4, No 2 (2020) Vol 4, No 1 (2020) Vol. 4 No. 1 (2020) Vol 3, No 2 (2019) Vol. 3 No. 2 (2019) Vol 3, No 1 (2019) Vol. 3 No. 1 (2019) Vol. 2 No. 2 (2018) Vol 2, No 2 (2018) Vol. 2 No. 1 (2018) Vol 2, No 1 (2018) Vol 1, No 2 (2017) Vol. 1 No. 2 (2017) Vol. 1 No. 1 (2017) Vol 1, No 1 (2017) More Issue