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. 7 No. 2 (2023)" : 7 Documents clear
Analisis Bibliometrik Publikasi tentang ChatGPT Rakhmawati, Nur Aini; Irfan, Muhammad; Septiadi, Yogik; Alkautsar Rivandra, Muhammad
JIEET (Journal of Information Engineering and Educational Technology) Vol. 7 No. 2 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v7n2.p92-97

Abstract

Analisis bibliometrik telah dilakukan terhadap 200 publikasi tentang “ChatGPT”, setelah dilakukan pengecekan ulang menggunakan software mendeley hanya 127 yang dapat digunakan, publikasi ini diambil melalui software Publish-or-Perish dengan menggunakan basis data Google Scholar. Penelitian ini bertujuan untuk menganalisis pembahasan ruang lingkup atau kata kunci “ChatGPT” dalam publikasi internasional menggunakan pendekatan bibliometrik. Bibliometrik merupakan metode statistik untuk menganalisis metadata publikasi yang tersedia dalam basis data publikasi dalam hal ini menggunakan aplikasi Publish-of-Perish kemudian mengekstrak hasil pencarian menggunakan VOSviewer. Melalui VOSviewer didapatkan sebelas cluster yang ditandai dengan kode warna merah, hijau, biru tua, kuning, ungu, biru muda, jingga, coklat, merah muda, peach, dan hijau muda. Berdasarkan hasil analisis dari VOSviewer, didapatkan topik yang paling sering dibahas adalah ChatGPT, artificial intelligence, dan natural language processing. Sementara itu, untuk tiga topik yang paling jarang dibahas adalah qualitative research, cybersecurity, dan library services.
Implementasi Implementasi Enterprise Architecture Planning Lebu Digital di Kabupaten Indramayu Menggunakan Framework FEAF Prihartono, Willy
JIEET (Journal of Information Engineering and Educational Technology) Vol. 7 No. 2 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v7n2.p98-109

Abstract

Abstrak—Pemberdayaan Pedesaan sangat dibutuhkan dalam era Pembangunan, Pemerintah telah banyak memberikan dukungan yang sangat optimal bagi proses Pembaangunan dan Pemberdayaan Desa. Era Revolusi Industri yang ditandai dengan pemanfaatan Platform Digital yang telah memberikan warna bahwa Desa harus bernani bertransformasi dalam segi pelayanan dan komunikasi publik, salah satu yang dikembangkan adalah pencetusan Desa Digital. Kabupaten Indramayu yang memiliki 387 Desa melalui Visi dan Misi Bupati Indramayu Tahun 2021-2026 telah mencetuskan salah satu dari 10 Program Unggulan yaitu Lebu Digital. Harapan dari Lebu Digital adalah merupakan layanan fasilitas dasar Pemerintah Desa untuk bertransformasi dari layanan dan publikasi Informasi yang semula secara konvensional menjadi Digitalisasi. Pada artikel ini dituangkan bagaimana proses Digitalisasi Desa melalui Program Lebu Digital dapat berintegrasi dengan Sistem Informasi yang telah disediakan oleh Pemerintah Pusat, Provinsi maupun Kabupaten. Untuk mewujudkan hal tersebut dilakukanlah prsoes Pengembangan Sistem melalui Enterprise Architecture Planning (EAP) dengan menggunakan Framework Federal Enterprise Architecture Framework (FEAF) yang merupakan Standar Pemerintah Federal Amerika Serikat dalam pengembangan sistem informasi yang terintegrasi pada lingkungan kepemerintahan. Artikel ini menguraikan pula bagimana metode penelitian yang digunakan dengan menagadopsi langkah-langkah dari Framework FEAF sehingga dihasilkan sebuah gagasan berdasarkan kebutuhan yang dituangkan dalam sebuah Blueprint Enterprise Architecture Kata Kunci— Desa Digital, Lebu Digital, Sistem Informasi Terintegrasi, Enterprise Architecture Planning, FEAF
Perbandingan Kinerja CNN dan Naïve Bayes pada Analisis Sentimen Performa Manchester United di Twitter Humam, Muhammad Naufal
JIEET (Journal of Information Engineering and Educational Technology) Vol. 7 No. 2 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v7n2.p83-91

Abstract

Analisis sentimen digunakan untuk mengevaluasi kecenderungan suatu opini atau sentimen, termasuk apakah pendapat tersebut cenderung memberikan opini yang negative maupun positif. Pada studi penelitian terbaru, data didapatkan dari media social seperti Twitter, di mana pengguna memberikan pendapat pribadi mereka tentang topik tertentu. Manchester United menjadi klub yang sering dibicarakan di twitter mengenai performanya dalam sepakbola, baik dalam performa bagus ataupun performa buruk. Penelitian ini membandingkan dua algoritme, yaitu Convolutional Neural Network (CNN) dan Naive Bayes untuk menganalisis sentimen data sentiment dari Twitter tentang Manchester United. Data pada penelitian ini berbahasa Inggris dan Indonesia. Berdasarkan hasil penelitian, pada dataset berbahasa inggris CNN menghasilkan kinerja terbaik dengan nilai akurasi 94%, sementara nilai Naive Bayes hanya 79%. Begitupun pada dataset berbahasa Indonesia, CNN menghasilkan kinerja terbaik dengan nilai akurasi 91%, sementara hasil nilai Naive Bayes ada pada 75%. Untuk sentimen soal Manchester United, sentimen positif cenderung muncul ketika hasil pertandingan dimenangkan oleh Manchester United, dan pada sentimen berbahasa inggris maupun indonesia sentimen positif banyak diisi oleh kata-kata pujian. Sementara sentimen negatif cenderung muncul ketika Manchester United kalah dalam pertandingan atau ketika pemain bermain buruk dan berperilaku indisipliner.
User Experience Analysis of LinkedIn Social Media Using Usability Metric for User Experience (UMUX) Kamil, Muhammad Asyraf Faiz
JIEET (Journal of Information Engineering and Educational Technology) Vol. 7 No. 2 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v7n2.p78-82

Abstract

This article presents a user experience analysis of LinkedIn using the Usability Metric for User Experience (UMUX). The study aims to assess the usability and user satisfaction of LinkedIn, identify areas for improve-ment, and propose hypotheses for future research. The problem addressed in this research is the need to evalu-ate the user experience of LinkedIn, a popular professional networking platform. The solution offered is to uti-lize the UMUX metric as a comprehensive tool for assessing usability and user satisfaction. The objectives of the study are to measure the effectiveness, efficiency, satisfaction, and overall usability of LinkedIn, as well as to identify specific areas for improvement. Data were collected through online questionnaires from LinkedIn users. The UMUX scores were calculated, indicating a moderate level of user satisfaction and perceived usa-bility of LinkedIn. These findings suggest that LinkedIn is perceived as a useful platform for professional goals, but there is room for improvement in terms of efficiency and overall user satisfaction. Hypotheses for future research include enhancing efficiency to improve satisfaction, improving overall satisfaction for in-creased engagement and retention, and optimizing the mobile experience. The study provides valuable insights for LinkedIn to enhance user satisfaction, engagement, and usability. Further research can explore additional usability metrics and investigate the impact of implemented improvements.
Deteksi Penggunaan Safety Helmet Menggunakan YOLOv5 Khairunnisa, Ananda; Kamal D.P, Nofryanti Ainun
JIEET (Journal of Information Engineering and Educational Technology) Vol. 7 No. 2 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v7n2.p74-77

Abstract

Abstrak— Keselamatan kerja di industri konstruksi merupakan hal yang sangat penting untuk mencegah kecelakaan dan cedera. Namun, masih sering terjadi pelanggaran dalam penggunaan helm keselamatan. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem deteksi penggunaan helm keselamatan di area konstruksi menggunakan metode YOLO (You Only Look Once). Dataset yang digunakan dalam penelitian ini terdiri dari 694 gambar yang diambil menggunakan smartphone dan sumber internet. Gambar-gambar tersebut menampilkan orang-orang yang menggunakan berbagai jenis penutup kepala dan model rambut, baik yang menggunakan helm keselamatan maupun yang tidak. Metode yang digunakan dalam penelitian ini adalah YOLO (You Only Look Once), sebuah teknologi deteksi objek real-time yang menggunakan deep neural network. YOLO digunakan untuk melakukan anotasi pada setiap gambar dataset dengan gambar objek, diikuti oleh beberapa lapisan yang terhubung sepenuhnya. Selanjutnya, kinerja model diukur menggunakan beberapa metode, yaitu Recall, Precision, F1, Intersection over Union, mean Average Precision, dan Accuracy. Hasil penelitian menunjukkan bahwa sistem deteksi penggunaan safety helmet yang dikembangkan dapat mencapai tingkat akurasi yang tinggi, dengan nilai Precision sebesar 0,95 dan Recall sebesar 0,93. Dengan demikian, sistem ini dapat membantu meningkatkan keselamatan kerja di area konstruksi dengan memberikan pengawasan yang lebih efektif terhadap penggunaan safety helmet oleh para pekerja.
Sistem Rekomendasi Topi Berbasis Website Menggunakan Transfer Learning Pre-trained Model Residual Network Yamasari, Yuni; Muttaqin, Aziz Fiqri
JIEET (Journal of Information Engineering and Educational Technology) Vol. 7 No. 2 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v7n2.p66-73

Abstract

Topi merupakan aksesoris penting di negara tropis karena topi berfungsi sebagai pelindung kepala baik dikala panas ataupun hujan. Sehingga, keberadaan sistem rekomendasi topi sangat diperlukan. Namun, penelitian tentang system rekomendasi topi masih sedikit dilakukan. Oleh karena itu, Penelitian ini dilakukan untuk membantu pengguna dalam menentukan topi yang sesuai dengan jenis wajahnya. Hasil pengujian dari sistem rekomendasi topi menunjukkan bahwa sistem rekomendasi topi berbasis website menggunakan metode transfer learning pretrained model residual network memberikan hasil yang baik dengan rata-rata 0,826 pada pengujian pertama dan rata-rata 0,924 pada pengujian kedua, sehingga sistem rekomendasi topi ini diharapkan dapat membantu pengguna dalam memilih jenis topi yang disesuaikan dengan jenis wajah pengguna. Kata Kunci— Sistem, Rekomendasi, Topi, Website, Transfer Learning.
Optimizing Segmentation and Purchase Forecasting in Credit Card Transactions: A PSO-enhanced k-means and ANN Approach Hidayati, S.Kom., M.Sc., Ph.D., Shintami Chusnul; Raharja, Putu Bagus Gede Prasetyo; Wardhiana, I Nyoman Gde Artadana Mahaputra; Klemm, Sebastian
JIEET (Journal of Information Engineering and Educational Technology) Vol. 7 No. 2 (2023)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v7n2.p59-65

Abstract

In the rapidly evolving landscape of data-driven marketing, machine learning has emerged as a pivotal tool for analyzing complex consumer behaviors and enhancing strategic decision-making. This paper introduces a novel approach to optimize customer segmentation and purchase forecasting in credit card transactions through the synergistic integration of Particle Swarm Optimization (PSO)-enhanced k-means clustering and Artificial Neural Networks (ANN). The proposed methodology refines customer segmentation by leveraging PSO, resulting in more defined clusters. In the predictive modeling phase, an ANN outperforms conventional methods, providing superior accuracy in purchase forecasting. The study demonstrates the effectiveness of advanced algorithms in enhancing insights from credit card transaction data, offering valuable implications for improved decision-making in the financial domain.

Page 1 of 1 | Total Record : 7

 1 

Filter by Year

2023 2023


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