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 9 Documents
 1 
Search results for , issue "Vol. 8 No. 1 (2024)" : 9 Documents clear
Rancang Bangun Sistem Indoor Tracking pada Kegiatan Praktik Mahasiswa Menggunakan Bluetooth Low Energy Ramadan, Yoni Sabda; Purnomo, Wahyudi; Subekti, Ruminto
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 1 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n1.p25-29

Abstract

Mahasiswa yang melakukan absen atau membolos kerap kali terjadi di lingkungan Kampus Politeknik Manufaktur Bandung. Mahasiswa memanfaatkan situasi saat dosen tidak memantau mahasiswa secara langsung. Hal ini mengurangi jam kuliah dan jam praktik untuk mahasiswa. Penelitian ini bertujuan untuk merancang dan membangun sistem indoor tracking menggunakan Bluetooth Low Energy (BLE) pada kegiatan praktik mahasiswa. Sistem ini dapat digunakan untuk memantau kehadiran mahasiswa pada kegiatan praktik, serta melacak posisi mahasiswa di dalam laboratorium PLC. Sistem ini menggunakan teknologi BLE untuk mengirimkan sinyal dari kartu BLE mahasiswa ke perangkat BLE gateway, yang kemudian diolah oleh program untuk menentukan posisi mahasiswa. Sinyal yang telah dikirimkan kemudian diolah menggunakan pendekatan algoritma Kalman filter dan metode trilateration. Meskipun sinyal Received Signal Strength Indicator (RSSI) yang diterima dari kartu BLE cenderung tidak stabil, penerapan algoritma Kalman filter bertujuan untuk mengestimasi dan menstabilkan nilai RSSI yang terukur. Dengan memanfaatkan metode trilateration, posisi akurat dari kartu BLE dapat ditentukan. Metode ini memanfaatkan informasi jarak dari tiga titik referensi yang telah diketahui di dalam laboratorium. Dengan menggunakan data jarak dan nilai RSSI yang telah distabilkan menggunakan Kalman filter, posisi kartu BLE mahasiswa dapat dihitung dengan lebih tepat. Sistem ini telah berhasil dibuat dengan Metode Trilateration dan dapat mengetahui mahasiswa yang berada di dalam laboratorium PLC dengan tingkat akurasi 64.25%. Penggunaan Kalman filter dapat menstabilkan sinyal RSSI agar tidak terlalu banyak fluktuasi dan meningkatkan akurasi sebesar 78.2%. Hasil pengujian pelacakan mahasiswa di Laboratorium PLC berhasil dengan dimunculkannya indoor tracking pada antarmuka dan penggunaan Kalman filter meredam noise sinyal RSSI dari kartu BLE.
Klasifikasi Topik Pembahasan Mahasiswa ITS dalam Bermedia Sosial Menggunakan Latent Dirichlet Allocation Rakhmawati, Nur Aini; Hidayat, Muhammad Rifqi; Fano, Naufal Firjatulloh; Margaretha, Ribka Devina; Rasendriya, Zada Alfarras
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 1 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n1.p30-35

Abstract

Media sosial sudah menjadi bagian dari kehidupan sehari-hari masyarakat segala kalangan di era digital ini. Di tengah maraknya penggunaan media sosial ini mahasiswa Institut Teknologi Sepuluh Nopember (ITS) ikut serta dalam berdiskusi di berbagai media sosial mengenai topik seputar kampus. Salah satu platform yang populer di kalangan mahasiswa ITS adalah Twitter. Pada platform ini terdapat sebuah akun media sosial yaitu @its_fess. @its_fess adalah akun Twitter yang dikelola oleh mahasiswa ITS untuk berbagai pemikiran, cerita, dan topik-topik yang berkaitan dengan kehidupan di ITS secara anonim. Dengan fenomena ini dibutuhkan suatu pemodelan topik yang mampu mengklasifikasi topik pembahasan mahasiswa ITS di media sosial, khususnya pada akun @its_fess. Pemodelan topik dilakukan menggunakan metode Latent Dirichlet Allocation (LDA), sebuah algoritma text mining untuk mengidentifikasi topik utama yang terdapat pada sebuah dokumen. Eksperimen pemodelan topik dengan metode LDA menyimpulkan bahwa jumlah topik yang terdapat dalam twit @its_fess adalah 20 topik. twit dari akun @its_fess dikumpulkan menggunakan teknik scrapping. Hasil twit tersebut direprocessing untuk selanjutnya dianalisis dengan metode LDA. Hasil pemodelan topik dievaluasi menggunakan perhitungan nilai koherensi. Evaluasi model mendapatkan nilai koherensi sebesar 0.518712 untuk jumlah topik sebanyak 20. Nilai ini menunjukkan bahwa model yang digunakan baik untuk menganalisis topik dalam twit pada @its_fess. Kata Kunci— Mahasiswa, Twitter, Pemodelan Topik, Latent Dirichlet Allocation, Nilai Koherensi
Adaptive Smart Lighting Dengan Memanfaatkan Teknologi Berbasis Internet Of Things (IoT) Prihanto, Agus; Prapanca, Aditya; Alit, Ronggo
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 1 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n1.p18-24

Abstract

Adakalanya penerapan teknologi internet of thing (IoT) di rumah hanya sekedar merubah sesuatu perangkat yang dikendalikan secara manual menjadi otomatis secara remote melalui internet, sehingga masih butuh keterlibatan manusia dalam mengaturnya secara rutin. Namun teknologi IoT tidak berhenti disitu perlu dioptimalkan lagi agar bisa beradaptasi dengan kondisi lingkungan, seperti halnya pengaturan penerangan lampu rumah yang sudah mengimplementasikan IoT yang kebanyakan masih mengikuti jadwal yang telah ditentukan oleh pemilik rumah, seperti lampu teras yang akan nyala jam 5.00 sore dan mati jam 6.00 pagi, sedangkan matahari terbit dan terbenam disetiap bulannya selalu berubah-rubah tergantung posisi bumi terhadap matahari dan juga posisi rumah tersebut dibelahan bumi sebelah mana. Daerah Tropis, sub Tropis, Kutub bumi tentunya memiliki jadwal terbit dan terbenamnya matahari yang berbeda-beda, sehingga jika pengaturan penerangan rumah hanya berdasarkan jadwal rumah saja masih memiliki kelemahan, yaitu kurang efisien karena tidak bisa beradaptasi dengan lingkungan terutama perubahan jadwal terbit dan terbenamnya matahari. Permasalahan sering muncul dengan penerapan IoT penerangan lampu teras rumah adalah metode penjadwalan nyala dan matinya lampu bersifat tetap sehingga tidak mengikuti perubahan jadwal terbit dan terbenamnya matahari. Untuk memecahkan permasalahan tersebut dalam penelitian bertujuan melakukan perubahan metode penjadwalan nyala dan mati lampu yang bersifat adaptive dengan menggunakan data jadwal terbit dan tenggelamnya matahari dari internet berdasarkan tanggal dan wilayah lokasi rumah tersebut. Dari hasil pengujian diperoleh hasil bahwa untuk kendali reguler lamp dengan Smart Wall Switch memiliki kelebihan pilihan daya lampu yang bervariasi dan lampu mudah didapatkan ketika rusak, namun warna lampu (RGB) tidak dapat diatur seperti pada reguler Lamp. Untuk Nyala/Mati lampu selain menggunakan kendali manual juga dapat dilakukan secara otomatis dengan memanfaatkan data terbit (sunrise) dan tenggelam matahari (sunset), sehingga nyala/mati lampu sudah dapat dilakukan secara otomatis tanpa perlu interfensi manusia.
Identifikasi Topik Hangat di Media Berita Menggunakan Latent Dirichlet Allocation Rakhmawati, Nur Aini; Cisatra, Aulia; Ansori, Daffa Daris Mahendra; Akmal, Dara Nasywa Fathya Afiqah; Ramadhani, Slamet
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 1 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n1.p14-17

Abstract

Akses informasi di era digital saat ini sebagian besar bersumber dari media daring. Namun, identifikasi topik aktual yang tengah hangat dibicarakan publik kian menjadi tantangan untuk menentukan topik berita yang relevan dan menarik perhatian pembaca. Pada studi ini, dikembangkan sistem cerdas berbasis pembelajaran mesin guna membantu portal berita online dalam memahami minat publik terhadap beragam topik. Memanfaatkan pendekatan natural language processing, model latent dirichlet allocation akan digunakan untuk analisis dan klasifikasi berita berdasarkan topiknya. Data teks digital yang digunakan berasal dari beragam portal berita nasional melalui akses application programming interface (API). Melalui text mining dan machine learning, ekstraksi topik utama secara otomatis dari data teks yang besar dan tidak terstruktur dapat dikenali secara cepat juga akurat. Metode ini memungkinkan pengenalan atas topik-topik yang mendominasi berita daring, sehingga memungkinkan pembaca, peneliti, hingga praktisi media untuk tetap terhubung dengan isu terkini. Hasil studi menunjukkan tiga topik terpopuler berdasarkan dominasi token secara berurutan adalah KPK (36.6%), cawapres (32.8%), dan jakarta (30.6%). Penelitian ini diharapkan dapat meningkatkan daya saing portal berita dalam menyajikan konten aktual sesuai preferensi pembaca. Selain itu, hasil studi dapat menjadi acuan bagi peneliti lain dalam bidang serupa di masa mendatang.
Implementasi Ensemble Learning Adaboost Pada Algoritma Klasifikasi Decision Tree dan SVM Untuk Klasifikasi SMS Berbahasa Indonesia Rosyidi, M Ibnu Umar; Rochmawati, Naim
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 1 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n1.p7-13

Abstract

Perkembangan teknologi di berbagai sektor yang sangat cepat selama satu dekade ini, membuat kita semakin dimudahkan dalam melakukan aktivitas sehari-hari. Kebutuhan dalam berkomunikasi terus mengalami kemajuan dari yang awalnya menggunakan surat dengan jangkauan terbatas dan lama, hingga sekarang menggunakan layanan provider SMS (Short Message Service). Layanan SMS sangat digemari karena harganya yang murah dan dapat memilih untuk menjawab nanti jika tidak ada waktu pada saat tersebut. Bertumbuhnya pengguna SMS dibersamai dengan orang-orang yang tidak bertanggung jawab memanfaatkan situasi untuk keuntungan sendiri dengan melakukan tindak penipuan melalui SMS. Untuk mencegah tersebut, diperlukan sistem yang dapat memilah SMS agar tidak semua masuk ke pengguna. Salah satu cara yang dapat digunakan adalah membuat model machine learning yang dapat mengenali dan mengelompokkan SMS apakah SMS yang masuk tersebut adalah SPAM atau tidak. Algoritma SVM dan decision tree adalah dua algoritma klasifikasi yang mudah digunakan untuk memecahkan masalah klasifikasi, pada penelitian ini juga digunakan teknik ensemble adaboost yang dapat meningkatkan nilai akurasi dari base algoritma yang digunakan. Data yang digunakan adalah dataset SMS dari penelitian Rahmi dan Wibisono[1]. Algoritma SVM memilki nilai akurasi tertinggi dengan nilai 0.96 atau 96%, ditemukan juga bahwa algoritma SVM + Adaboost hanya membuahkan hasil yang baik saat diterapkan data jenis unigram dan bigram tanpa tf-idf dan unigram tanpa tf-idf. Algoritma SVM + Adaboost tidak cocok menggunakan tf—idf karena dapat menyebabkan penurunan nilai akurasi.
Analisis dan Perancangan UI/UX Aplikasi Sistem Kasir Berbasis Website Menggunakan Metode Design Thinking : (Studi Kasus : Kafe Omah Angkringan) Wahyuningrum, Tenia; Maulida, Armeisa Ahda
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 1 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n1.p36-44

Abstract

Kafe Omah Angkringan merupakan kafe dengan tema warmindo-angkringan yang menyediakan berbagai macam menu makanan khas warmindo namun memiliki tempat layaknya sebuah kafe. Melalui promosi dengan media Instagram membuat orang tertarik untuk mengunjungi kafe ini. Berdasarkan hasil observasi, kafe ini masih memiliki permasalahan dalam sistem kasir. Sistem kasir yang memuat pemesanan menu dan pembayaran masih menggunakan sistem manual. Petugas kasir membutuhkan bolpoint, nota, kalkulator, dan hardfile menu dalam memproses setiap pesanan. Sistem yang masih demikian tentu saja memiliki user interface yang monoton, kurang menarik, tidak efektif dan tidek efisien selain itu user experience yang dihasilkan juga membuat petugas kasir merasa bosan sehingga bisa menimbulkan kesalahan saat memproses pesanan. Berdasarkan permasalahan tersebut, maka dibutuhkan analisis dan perancangan website sistem kasir dengan memperhatikan user interface yang baik untuk kemudahan pengguna. Untuk mewujudkan website yang demikian, peneliti menggunakan design thinking sebagai metodenya. Diawali dengan tahap empathise dimana peneliti melakukan wawancara dengan pemilik kafe, kemudian define dengan mendefinisikan setiap masalah berdasarkan hasil wawancara, lalu ideate dengan memikirkan ide yang bisa menjadi solusi dari permasalahan, dilanjut dengan prototype yaitu membuat user interface sekaligus mengaplikasikannya ke dalam program agar bisa menghasilkan sebuah front-end, dan terakhir melakukan testing kepada petugas kasir dan admin Kafe Omah Angkringan ditambah dengan kasir lain untuk melakukan pengujian dengan total responden 30 orang. Hasil dari pengujian SUS menunjukkan skor A yaitu 83, 41 yang menandakan bahwa sistem kasir yang dibuat telah sesuai dengan kebutuhan pengguna.
Klasifikasi Gender Berdasarkan Sidik Jari Menggunakan Principal Component Analysis dan Support Vector Machine Nugroho, Gian Nathan Christyo
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 1 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n1.p45-53

Abstract

Most fingerprint classification research uses features such as core and delta as its basis. Before extracting fingerprint features, various preprocessing steps are usually performed first. This study differs from other studies in that classification is performed directly on the fingerprint image without going through a detailed preprocessing step and only a pixel size change is performed to 96x103. Fingerprint features are not determined manually, but are extracted automatically using the Principal Component Analysis (PCA) method which produces the 4200 best features. For feature perfection reasons, feature normalization has been performed using StandardScaler. The classification of this study uses a nonlinear Support Vector Machine (SVM) method with a Polynomial kernel. This study uses 6000 data samples from the SOCOFing database. This model obtains a classification accuracy of up to 88.75%.
Implementasi Algoritma K-Means Clustering dalam Penentuan Gangguan Tidur Seseorang berdasarkan Gaya Hidup Prasetyo, Yogo Dwi; Hidayati, Aisyah Fitri; Maulida, Elsa; Silalahi, Febri Y
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 1 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n1.p54-61

Abstract

Abstrak— Gangguan tidur merupakan masalah kesehatan yang signifikan dan terus meningkat sehingga berdampak negatif pada kualitas hidup dan kesejahteraan individu. Gangguan tidur berkaitan erat dengan gaya hidup seseorang seperti durasi tidur sehari-hari, langkah harian, dan jumlah detak jantung yang mempengaruhi kualitas tidur. Gangguan tidur dapat mengurangi kenyamanan dan waktu tidur sehingga akan menyebabkan kualitas tidur yang buruk. Gangguan tidur yang seringkali terjadi adalah insomnia, sleep apnea, restless legs syndrome, hipersomnia, circadian rhythm disorders, dan parasomnia. Data pada penelitian ini bertujuan untuk dianalisis dan dikelompokkan berdasarkan gangguan tidur yang disebabkan oleh gaya hidup melalui salah satu metode data mining yaitu K-Means Clustering melalui identifikasi beberapa cluster yang memiliki gangguan tidur dan tidak memiliki gangguan tidur. Dengan menggunakan metode K-Means diperoleh bahwa berdasarkan data Sleep Duration dan Quality of Sleep terdapat 174 data pada cluster 1 yang menunjukkan adanya gangguan tidur insomnia, terdapat 164 data pada cluster 2 yang menunjukkan tidak adanya gangguan tidur, dan terdapat 36 data pada cluster 3 yang menunjukkan adanya gangguan tidur berupa sleep apnea dengan struktur silhouette score standar (medium structure). Sedangkan berdasarkan data Heart Rate dan Daily Steps terdapat 174 data pada cluster 1 yang menunjukkan adanya gangguan tidur insomnia, terdapat 164 data pada cluster 2 yang menunjukkan adanya gangguan tidur berupa sleep apnea, dan terdapat 36 data pada cluster 3 yang menunjukkan tidak adanya gangguan tidur dengan struktur silhouette score kuat (strong structure). Kata Kunci— Gangguan tidur, gaya hidup, data mining, K-Means, clustering.
Penerapan Convolutional Neural Network pada Klasifikasi Jenis Ras Kucing Menggunakan ResNet50V2 Agusniar, Cut; Adelia, Della
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 1 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n1.p1-6

Abstract

Kucing adalah salah satu hewan peliharaan yang paling populer di seluruh dunia. Banyak orang memilih untuk memelihara kucing karena berbagai keunggulannya, seperti meredakan stres dan kecemasan. Banyak jenis ras kucing yang diakui secara internasional yaitu 142 ras kucing dan para ahli biologis telah mengklasifikasikan ras-ras ini ke dalam beberapa kategori. Namun dari banyaknya ras yang ada muncul suatu tantangan bagi manusia dalam membedakan setiap ras karena banyak kucing yang memiliki ciri-ciri fisik yang serupa. Hal ini menyebabkan para pemilik kucing tidak mengetahui jenis ras dari kucing yang mereka pelihara sehingga menjadi masalah karena setiap ras kucing membutuhkan perawatan khusus jika terserang penyakit. Oleh karena itu dalam penelitian ini penulis membuat suatu sistem yang dapat mengklasifikasikan jenis ras kucing berdasarkan 12 kelas yaitu Abyssinia, Bengal, Bombay, Birman, British Shorthair, Egyptian, Maine Coon, Persian, Ragdoll, Russian Blue, Siamese, dan Sphynx. Penelitian ini menggunakan dataset sebanyak 2.402 gambar kucing dan menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet50V2 serta memanfaatkan pengoptimalan stochastic gradientdescent (SGD). Hasil dari penilitian ini mendapatkan akurasi training sebesar 99,17%, ditambah dengan akurasi validation sebesar 88,13%. Selain itu, loss training dan loss validation yang diperoleh masing-masing adalah 0,3760 dan 0,7857. Melalui penggunaan confusion matrix dan evaluasi seperti precision, recall, f1-score, dan support, menghasilkan akurasi rata-rata sebesar 88%.

Page 1 of 1 | Total Record : 9

 1 

Filter by Year

2024 2024


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