JIEET (Journal of Information Engineering and Educational Technology)
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.
Articles
219 Documents
<![CDATA[Penerapan Principal Component Analysis (PCA) Untuk Reduksi Dimensi Pada Proses Clustering Data Produksi Pertanian Di Kabupaten Bojonegoro ]]>
<![CDATA[Dyah Hediyati]]>;
<![CDATA[I Made Suartana]]>
<![CDATA[ JIEET (Journal of Information Engineering and Educational Technology) Vol. 5 No. 2 (2021) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jieet.v5n2.p49-54
<![CDATA[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.]]>
<![CDATA[Analisa Learning Rate dan Batch Size pada Klasifikasi Covid Menggunakan Deep Learning dengan Optimizer Adam ]]>
<![CDATA[Naim Rochmawati]]>;
<![CDATA[Hanik Badriyah Hidayati]]>;
<![CDATA[Yuni Yamasari]]>;
<![CDATA[Hapsari Peni Agustin Tjahyaningtijas]]>;
<![CDATA[Wiyli Yustanti]]>;
<![CDATA[Agus Prihanto]]>
<![CDATA[ JIEET (Journal of Information Engineering and Educational Technology) Vol. 5 No. 2 (2021) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jieet.v5n2.p44-48
<![CDATA[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]]>
<![CDATA[Prediksi Kinerja Akademik Mahasiswa Menggunakan Machine Learning dengan Sequential Minimal Optimization untuk Pengelola Program Studi ]]>
<![CDATA[Andi Nurhidayat]]>;
<![CDATA[Asmunin Asmunin]]>;
<![CDATA[Dwi Fatrianto Suyatno]]>
<![CDATA[ JIEET (Journal of Information Engineering and Educational Technology) Vol. 5 No. 2 (2021) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jieet.v5n2.p84-91
<![CDATA[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%]]>
<![CDATA[Smart Garden Automation Dengan Memanfaatkan Teknologi Berbasis Internet Of Things (IoT) ]]>
<![CDATA[Agus Prihanto]]>;
<![CDATA[Naim Rachmawati]]>;
<![CDATA[Aditya Prapanca]]>
<![CDATA[ JIEET (Journal of Information Engineering and Educational Technology) Vol. 5 No. 2 (2021) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jieet.v5n2.p55-60
<![CDATA[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]]>
<![CDATA[Analisis Kewaspadaan dan Respon Orang Dewasa terhadap Hoax ]]>
<![CDATA[Nur Aini Rakhmawati]]>;
<![CDATA[Bayu Narendra Jati]]>;
<![CDATA[Imam Mansyur Solichin```]]>;
<![CDATA[Fairuz Ghalib]]>
<![CDATA[ JIEET (Journal of Information Engineering and Educational Technology) Vol. 6 No. 1 (2022) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jieet.v6n1.p33-36
<![CDATA[Teknologi pada hakikatnya memang ditujukan untuk mempermudah manusia dalam menjalani setiap sendi kehidupan. Namun ironisnya, segala kemudahan yang ditawarkan diikuti dengan resiko yang sama besarnya. Resiko inilah yang sering disebut dengan kejahatan siber atau cybercrime. Dikutip dari Kepolisian Republik Indonesia, pihak kepolisian telah melakukan perhitungan kasus-kasus kejahatan siber yang terjadi di Indonesia. Dengan presentasenya masing-masing didapatlah bahwa kasus kejahatan siber yang paling banyak terjadi di Indonesia pada tahun 2017 adalah kejahatan penyebaran berita bohong atau biasa disebut berita hoax. Berdasarkan fakta tersebut, penelitian ini ditujukan untuk mengetahui bagaimana respon orang dewasa ketika menerima berita yang banyak tersebar di media sosial secara daring dan mengetahui bagaimana kewaspadaan orang dewasa terhadap hoax. Penelitian ini dilakukan dengan metode kualitatif, pengambilan data dilakukan dengan menyebarkan kuesioner. Hasil penelitian menunjukkan bahwa orang dewasa lebih sering mengakses media sosial daripada berita. Dalam aspek kewaspadaan, sebagian besar orang dewasa sudah memahami tentang hoax, namun masih cukup banyak yang belum bisa mengenali berita hoax saat membacanya. Selain itu, sebagian besar orang dewasa merespon dengan melakukan pencarian melalui Google ketika mendapat berita yang mencurigakan sementara sebagian besar lainnya hanya mengabaikannya. Berdasarkan respon yang ditunjukkan, orang dewasa sudah cukup waspada terhadap penyebaran hoax dengan tidak sembarangan menyebarkannya.]]>
<![CDATA[Implementasi Sistem Manajemen Administrasi Keuangan Santri (SIMANTRI) di Ponpes. Al Fattah, Sidoarjo: Sistem Manajemen Administrasi Keuangan Santri (SIMANTRI) ]]>
<![CDATA[Dwi Fatrianto Suyatno]]>;
<![CDATA[Agus Prihanto]]>;
<![CDATA[Asmunin Asmunin]]>;
<![CDATA[Andi Iwan Nurhidayat]]>
<![CDATA[ JIEET (Journal of Information Engineering and Educational Technology) Vol. 6 No. 1 (2022) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jieet.v6n1.p26-32
<![CDATA[Penyebaran virus Covid-19 harus sebisa mungkin dihindari dilingkungan Pondok Pesantren(Ponpes) Al Fattah, Sidoarjo. Sehingga walisantri yang biasanya harus ke bagian Tata Usaha pondok untuk membayar SPP atau Tabungan Santri harus mulai dapat berpindah metodenya dengan cara melalui transfer bank. Permasalahan kemudian timbul ketika semua walisantri harus melakukan konfirmasi pembayaran melalui nomor telepon bagian Tata Usaha setelah mereka melakukan transfer yaitu bagian layanan administrasi tidak bisa dengan cepat merespon konfirmasi transfer tersebut karena harus merekap manual transaksi transfer bank. Pihak Ponpes kesulitan untuk melakukan pembukuan keuangan, karena data keungannya tercampur antara transaksi pembayaran SPP dan Tabungan Santri. Dari situasi ini, maka perlu dilakukan perbaikan layanan manajemen terkait pelayanan adminitrasi keuangan santri khususnya di bagian pembayaran SPP. PKM ini ditujukan untuk memperbaiki kedua aspek tersebut dengan mengimplementasikan teknologi informasi melalui pembuatan Sistem Manajemen Administrasi Keuangan Santri (SIMANTRI) yang dintegrasikan dengan aplikasi Chatbot yang terhubung dengan media pengirim pesan Telegram. Dengan demikian ada dua aspek yang ingin diperbaiki yaitu 1) aspek teknologi dan 2) aspek tata kelola layanan.]]>
<![CDATA[Deteksi Komunitas Spesies Laba-Laba Berdasarkan Negara Menggunakan Algoritma Label Propagation ]]>
<![CDATA[Nur Aini Rakhmawati]]>;
<![CDATA[Imam Mansyur Solichin]]>;
<![CDATA[Bayu Narendra Jati]]>
<![CDATA[ JIEET (Journal of Information Engineering and Educational Technology) Vol. 6 No. 1 (2022) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jieet.v6n1.p21-25
<![CDATA[Laba-laba merupakan salah satu hewan yang tergolong dalam filum artropoda. Laba-laba merupakan salah satu dari kelompok yang paling krusial bagi ekosistem alami dan pertanian, laba-laba dapat menjadi indikator alami keanekaragaman hewan dalam suatu daerah. Berkaitan dengan hal tersebut, pengelompokkan spesies laba-laba berdasarkan negara habitatnya dapat menjadi hal yang menarik untuk diteliti. Pada penelitian ini algoritma deteksi komunitas digunakan untuk mengelompokkan spesies laba-laba menjadi komunitas yang mendiami negara-negara tertentu, algoritma deteksi komunitas yang digunakan adalah label propagation yang mendeteksi komunitas menggunakan struktur jaringan sebagai panduan, dan tidak memerlukan fungsi tujuan yang telah ditetapkan atau informasi awal tentang komunitas. Pemodelan graf Neo4j digunakan untuk menampilkan hasil algoritma label propagation untuk mendeteksi komunitas spesies laba-laba. Hasil penelitian menunjukkan bahwa algoritma label propagation dapat mengelompokkan komunitas spesies laba-laba sebanyak 159 komunitas. Negara China merupakan negara dengan komunitas spesies laba-laba terbesar di dunia dengan jumlah spesies laba-laba berjumlah 279 spesies, diikuti oleh Jepang dan Amerika Serikat dengan masing-masing 86 spesies laba-laba.]]>
<![CDATA[Technology Acceptance Model Untuk Analisis penerimaan Pengguna Manajemen Pembelajaran Berbasis Online"Google Classroom"Pada Masa Pandemi Covid-19 ]]>
<![CDATA[Ardhini Warih Utami]]>
<![CDATA[ JIEET (Journal of Information Engineering and Educational Technology) Vol. 6 No. 1 (2022) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jieet.v6n1.p15-20
<![CDATA[Pada saat ini diberbagai negara dibelahan bumi tengah dikejutkan dengan pemberitaan pandemi. Pandemi saat ini yang menjadi ketakutan penduduk dan pemerintah diseluruh dunia adalah pandemi virus corona. Melihat perkembangankasus pandemi Covid-19 yang ada Indonesia jumlahnya bertambah dan penyebaran virusnya semakin sulit dikendalikan,pemerintah pusat membuat kebijakan dalam upaya pencegahan pandemi covid-19 dengan pengaturan jarak sosial (socialdistancing) dan fisik(physical distancing) diberbagai lini kehidupan. Berdasar surat yang dikeluarkan oleh Mendikbud RI No.3 Tahun 2020 tentang pencegahan COVID-19 yang ada padasatuan pendidikan tinggi di Indonesia, yang menyatakan himbauan kepada seluruh pendidikan tinggi di seluruh Indonesiauntuk melakukan aktivitas belajar dari rumah. Menggunakan LMS Google Classroom merupakan salah satu solusi yang Anda butuhkan untuk mendukung proses pendidikan dan kegiatan belajar dalam jaringan (Daring) di masa pandemi Covid-19. Kegiatan LMS yang memanfaatkan Google Classroom selama pandemi covid-19 dapat meningkatkan fleksibilitasbelajar. Dengan kata lain, Anda dapat mengakses materi pembelajaran berulang kali setiap saat, semakin meningkatkanpembelajaran Anda terhadap materi pembelajaran. Hal itu diukur dengan model penerimaan teknologi untuk melihatbagaimana perasaan dan perilaku pengguna terhadap teknologi informasi yang digunakan selama pandemi Covid-19 untukkegiatan pembelajaran online.Kata Kunci— Technology Acceptance Model, Learning Management System, LMS, Coid-19, Daring, Belajar.]]>
<![CDATA[Optimasi Decision Tree Dengan Particle Swarm Optimization Untuk Klasifikasi Prediksi Gender Pengguna E-Commerce ]]>
<![CDATA[Oky Irnawati]]>;
<![CDATA[Nia Nuraeni]]>
<![CDATA[ JIEET (Journal of Information Engineering and Educational Technology) Vol. 6 No. 1 (2022) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jieet.v6n1.p37-41
<![CDATA[Belanja online telah menjadi gaya hidup saat ini. Hal ini berdampak pada banyaknya perusahaan aplikasi belanja online yang saling bersaing untuk menawarkan kemudahan dan kenyamanan pada pengguna aplikasi belanja online. Informasi mengenai pengguna akan sangat membantu pengusaha dibidang aplikasi belanja online sebagai pengetahuan untuk menerapkan strategi marketing guna terus mempertahankan pengguna aplikasi maupun merekrut pengguna aplikasi baru. Informasi tersebut termasuk mengenai gender pengguna yang dapat dimanfaatkan untuk teknik promosi, pemilihan brand ambasador, upgrade tampilan aplikasi dan lain sebagainya. Informasi mengenai gender pengguna aplikasi belanja online dapat di olah dengan menerapkan data mining menggunakan model klasifikasi dengan algoritma Decision Tree yang kemudian di optimasi dengan Particle Swarm Optimization (PSO). Hasil penelitian pada dataset e-commerce gender prediction menunjukkan adanya peningkatan akurasi Decision Tree yang dioptimasi Particle Swarm Optimization (PSO) sebesar 0,15%, tingkat akurasi yang sebelumnya sebesar 85.22% dengan angka kurva ROC 0.759 menjadi 85,37% dan kurva ROC 0.764 termasuk dalam fair classification.]]>
<![CDATA[Sistem Informasi Pendukung Keputusan Pemilihan Toko pada Sentra Oleh-oleh dengan Menggunakan Metode Simple Additive Weighting ]]>
<![CDATA[Mufiddin Zulfa Ipna Saputra]]>
<![CDATA[ JIEET (Journal of Information Engineering and Educational Technology) Vol. 6 No. 1 (2022) ]]>
Publisher : <![CDATA[Universitas Negeri Surabaya ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26740/jieet.v6n1.p7-14
<![CDATA[Sentra UMKM merupakan pusat oleh-oleh khas suatu daerah yang didalamnya terdapat berbagai UMKM lokal beserta produk khasnya. Sentra UMKM di Surabaya menampung lebih dari 526 UMKM lokal. Dengan berkembangnya Sentra UMKM, semakin banyak mitra yang ingin bekerja sama dengan UMKM yang tergabung dalam Sentra UMKM. Dalam menentukan UMKM untuk partner kerja sama, sentra UMKM membutuhkan pertimbangan UMKM terbaik agar berdampak terhadap meningkatnya penghasilan mitra secara maksimal. Tujuan dari penelitian ini adalah membuat desain sistem pendukung keputusan prioritas calon partner UMKM menggunakan metode Simple Additive Weighting (SAW). Sistem pendukung keputusan ini memiliki empat kriteria yang diukur yaitu waktu pengiriman, rating toko, biaya pengiriman, dan jarak. Objek penelitian ini dilakukan di Sentra UKM Siola, Kota Surabaya. Hasil dari penelitian ini adalah sistem pendukung keputusan pemilihan prioritas partner kerja sama yang mempermudah mitra usaha dalam menentukan UMKM terbaik.]]>
