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 227 Documents
 19   20   21   22   23 
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%.
Analisis Usability pada Website Narasi.tv Menggunakan Metode Unmoderated Remote Usability Testing dan User Experience Questionnaire (UEQ) Ni'mah Al Kautsar, Annisa Wahidhatun; Wahyuningrum, Tenia
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 2 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n2.p102-110

Abstract

Kebutuhan manusia dalam pemanfaatan teknologi informasi dan komunikasi di era saat ini sudah sampai dalam lingkup yang sangat luas. Website adalah salah satu contoh media yang sering digunakan oleh manusia untuk memfasilitasi interaksi mereka untuk memenuhi kebutuhannya. Salah satu website yang menyediakan beragam informasi seputar kejadian terkini, baik yang sedang terjadi di Indonesia maupun yang sedang terjadi di berbagai negara adalah Narasi.tv milik PT. Narasi Citra Sahwahita. Tercatat pada website SimilarWeb, terdapat sebanyak 81.600 pengguna yang telah mengunjungi website Narasi.tv per April 2022. Hal tersebut membuktikan bahwa pemanfaatan suatu website sebagai sumber informasi memegang peran yang penting untuk keberhasilan suatu perusahaan. Akan tetapi, dalam pemanfaatannya masih banyak website yang mengalami suatu kendala sehingga menyebabkan kurangnya rasa puas yang dialami oleh pengguna saat mengunjungi website tersebut. Untuk itu, perlu dilakukan upaya pengujian usability guna mengetahui tingkat usability pada website Narasi.tv. Penelitian ini menggunakan Unmoderated Remote Usability Testing sebagai metode pengujian dan untuk upaya perhitungan tingkat usability yaitu User Experience Questionnaire (UEQ). Tujuan penelitian ini adalah untuk mengukur tingkat usability pada website Narasi.tv serta memberikan rekomendasi desain kepada perusahaan berdasarkan hasil pengukuran. Teknik uji yang digunakan pada penelitian ini adalah menggunakan One Sample T Test yang dihitung menggunakan SPSS. Hasil perhitungan pada kuesioner UEQ menghasilkan skor pada kategori Attractiveness (daya tarik) sebesar 1,344. Kategori Perspicuity (kejelasan) menghasilkan skor rata-rata 1,408. Kategori Efficiency (efisiensi) menghasilkan skor rata-rata 1,358. Kategori Dependability (ketepatan) menghasilkan skor rata-rata 1,308. Kategori Stimulation (stimulasi) menghasilkan skor rata-rata 1,375. Serta pada kategori Novelty (kebaruan) menghasilkan skor rata-rata 0,475.
Analisis Etika dalam Penggunaan Media Sosial Instagram Oleh Mahasiswa ITS Mengenai Pelanggaran Privasi Rakhmawati, Nur Aini; Rendiga, Naifa Mumtazah; Aini, Sarah Auliannisa; Tertiabudi, Vania Aileen
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 2 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n2.p90-95

Abstract

Dewasa ini tren penggunaaan media sosial semakin marak, bahkan hampir semua orang yang memiliki smartphone dan akses internet pasti memiliki media sosial. Dari sekian banyak aplikasi media sosial, salah satu yang paling banyak penggunanya yaitu Instagram. Aplikasi dimana para user nya dapat mengunggah konten seperti foto,video, ataupun teks. Dengan berbagai fitur seperti reels, story, feeds, dan live memungkinkan pengguna untuk dapat membagikan berbagai informasi sesuai keinginan mereka. Seringkali, informasi yang dibagikan merupakan informasi yang sifatnya pribadi dan dapat berbahaya jika disebarkan. Sebagian pengguna Instgram belum sadar akan pentingnya menjaga informasi-informasi yang sifatnya pribadi ini khusunya di kalangan mahasiswa. Oleh karena itu, analisis ini dilakukan untuk mengetahui bagaimana sikap seorang mahasiswa terkait pentingnya menjaga informasi pribadi agar tidak terjadi pelanggaran privasi. Teknik pengumpulan data yang digunakan berupa pengisian kuesioner melalui google form oleh mahasiswa Institut Teknologi Sepuluh Nopember, Surabaya. Dari hasil yang diperoleh menujukkan bahwa mayoritas mahasiswa ITS menyadari akan pentingnya privasi dalam bermedia sosial. Namun, mereka tidak sepenuhnya percaya terkait keamanan informasi oleh Instagram. Untuk itu, mereka melakukan tindakan seperti mengunci akun mereka dan tidak sembarangan mengunggah infomasi yang sifatnya pribadi. Berdasarkan hasil analisis ini, tingkat edukasi yang lebih lanjut diperlukan oleh pengguna Instgram khususnya di kalangan mahasiswa dalam penjagaan informasi pribadi untuk menghindari adanya pelanggaran privasi.
Perbandingan Metode Naive Bayes Dan Support Vector Machine Terhadap Ulasan Aplikasi Ojol The Game. Anggi, Saputra; Ali, Sultan; Sidiq, Rezki Subhan Insani; Rudiman, Rudiman
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 2 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n2.p84-89

Abstract

Dengan kemajuan teknologi transportasi, internet sekarang sangat memengaruhi kehidupan masyarakat dalam menjalan aktivitas dimasyarakat, dalam penelitian ini, pengguna Google Play Store meningkat sebagai platform di mana pengguna dapat memberikan ulasan tentang produk yang mereka manfaatkan bersama jumlah pengguna yang meningkat, ulasan pengguna menjadi sumber penting bagi perusahaan untuk memperbaiki dan meningkatkan produk di masa depan. Penelitian ini bertujuan untuk melakukan perbandingan metode Naive Bayes dan Support Vector Machine (SVM) dalam menganalisis ulasan pengguna aplikasi "Ojol The Game". Ulasan pengguna aplikasi Ojol The Game diklasifikasikan ke dalam dua tingkatan, yaitu positif dan negatif. Hasil penilaian dari penelitian membuktikan bahwa akurasi mencapai nilai sebesar 92%, presisi sebesar 33%, recall sebesar 6% dan f_1 score sebesar 11% untuk metode Naïve Bayes, dan untuk metode Support Vector Machine menunjukkan hasil Accuracy sebesar 90%, presisi sebesar 30%, recall sebesar 2% dan f_1 score sebesar 24%. Penelitian ini bertujuan untuk memperbaiki pengalaman dan layanan pengguna aplikasi Ojol The Game dengan memahami sentimen pengguna terhadap aplikasi tersebut. Dengan menggunakan metode Naïve Bayes dan Support Vector Machine dan metode seleksi fitur TF-IDF, perusahaan dapat mengkategorikan ulasan pengguna dengan lebih efisien. Kata Kunci Ulasan, Naive Bayes, Support Vector Machine, Ojol The Game, Accuracy.
USER ACCEPTANCE TESTING DAN PERFORMANCE TESTING PADA PENGEMBANGAN WEBSITE KANAL PENGETAHUAN DIKTI Puspita, Maylan Anggi; Mardiana, Mardiana; Ariesta, Rio; Muhammad, Meizano Ardhi
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 2 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n2.p96-101

Abstract

Website Kanal Pengetahuan Dikti adalah jenis website helpdesk yang menyediakan informasi dan menjadi tempat untuk bertanya ke Kementrian Pendidikan dan Kebudayaan. Pada pengujian Website Kanal Pengetahuan Dikti ini belum dilakukan evaluasi terhadap respon dari user terkait sehingga belum diketahui kemampuan website dalam memenuhi kebutuhan user dan bisnis. Jika website tidak diujikan kepada user terkait maka akan berpengaruh pada proses maintenance. Evaluasi website dilakukan dengan menguji kegunanan website, kepuasan pengguna dan menguji kinerja atau kemampuan website dalam menangani user dalam satu waktu. Pengujian kegunaan dan kepuasan user digunakan metode UAT (User Acceptance Test) dengan kuesioner PSSUQ (Post-Study System Quality Questionnaire), sedangkan untuk pengujian kinerja menggunakan Performance Testing dengan tools Apache JMeter. Tujuan dari penelitian ini adalah untuk mengetahui cara menguji website Kanal Pengetahuan Dikti serta hasil evaluasi dari pengujian UAT dan Performance Testing. Pengujian UAT didapatkan hasil sebanyak 82 responden dengan hasil untuk skala overall (keseluruhan) adalah 2,25 yang berarti website dinilai sangat baik dalam memenuhi permintaan dan kepuasan dari user. Selanjutnya pengujian performance dilakukan dengan bantuan tools Apache JMeter dengan menggunakan virtual user sebanyak 10.000 – 100.000 user dalam waktu 60 detik. Hasil dari pengujian performance dengan akses 40.000 users terdapat error sebesar 59% sehingga perlu ditingkatkan untuk kinerja dari website.
Penerapan Algoritma Machine Learning Dalam Mengklasifikasi Data Masa Studi di Indonesia Berdasarkan Jenis Kelamin Wijaya, Aryanata; Bismi, Waeisul
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 2 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n2.p62-74

Abstract

Masalah perbedaan jenis kelamin dan pendidikan di Indonesia adalah masalah yang serius, karena dengan pendidikan yang layak barulah Negara Indonesia ini bisa menjadi Negara yang maju. Untuk menunjang penelitian ini maka penulis mengambil data rata-rata lama sekolah dari Badan Pusat Statistik sebanyak 1.028 data kemudian diberikan pelabelan Lama dan Sebentar serta dibagi menjadi 4 kategori yaitu Data Saat Pandemi Covid Laki-laki dan Perempuan, dan Data Pasca Covid Laki-laki dan Perempuan selanjutnya diolah dengan bantuan aplikasi Orange Data Mining, selanjutnya data dirapihkan menggunakan Data Table dan dikelompokkan atributnya menggunakan Select Column dan diproses menggunakan algoritma K-Nearest Neighbor, serta menggunakan Test and Score dan Confusion Matrix untuk melihat hasil evaluasinya. Setelah data tersebut diolah didapatkan hasil dari pengolahan data tersebut yaitu laki-laki lebih lama masa studi atau sekolahnya dibandingkan perempuan dari data Saat Pandemi Covid dan Pasca Pandemi Covid serta memperoleh tingkat akurasi dari 4 kategori yaitu 0.909, 0.848, 0.846, 0.920 dengan menggunakan algoritma K-Nearest Neighbor, sehingga pengolahan data menghasilkan hasil yang optimal. Dengan dilakukannya penelitian ini agar dapat menjadi referensi bagi pemerintah Indonesia agar dapat memajukan pendidikan di Indonesia, karena Negara yang maju dan berkualitas diwujudkan dari Sumber Daya Manusia yang berkualitas juga dan itu didapatkan dari Pendidikan yang bagus, serta dapat menjadi referensi bagi penelitian selanjutnya.
Variables and Theories For Cryptocurrrency Adoption Rahmatila, Aira; Subriadi, Apol Pribadi
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 2 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n2.p116-122

Abstract

This systematic literature review paper discusses cryptocurrency. Various theories of cryptocurrency adoption have been developed to identify its factors. The expansion of adoption theory aims to address issues related from multiple perspectives. This methodology uses a Systematic Literature Review (SLR) method by filtering 270.000 reputable articles related to cryptocurrency adoption, This study aims to classify the journey of technology adoption focuses on cryptocurrency to identify the factors driving future adoption. This paper a systematic literature review study focuses on various aspects of cryptocurrency, including factors, domains, and theories of adoption and sustainability. The results of the study showed five theories underlying the implementation of cryptocurrency and found forty-three main influencing factors. Several studies also show prospects for cryptocurrency sustainability. Thus, research on the development of cryptocurrency theory and prospects is still open for further exploration research.
Perbandingan Metode Machine Learning untuk Analisis dan Prediksi Siklus Menstruasi Putri, Desak; Khairunisa, Mutiara; Wijayakusuma, I Gusti Ngurah Lanang
JIEET (Journal of Information Engineering and Educational Technology) Vol. 8 No. 2 (2024)
Publisher : Universitas Negeri Surabaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26740/jieet.v8n2.p111-115

Abstract

Penelitian ini membandingkan metode machine learning—Long Short-Term Memory (LSTM), Convolutional Neural Network (CNN), dan Decision Tree—untuk analisis dan prediksi siklus menstruasi. Menggunakan data sekunder, model-model ini dievaluasi berdasarkan akurasi, Mean Absolute Percentage Error (MAPE), dan Root Mean Square Error (RMSE). Hasil menunjukkan bahwa LSTM memiliki akurasi tertinggi (91,3%), efektif menangkap pola temporal kompleks pada data menstruasi, sedangkan CNN dan Decision Tree kurang konsisten. Hasil ini mendukung LSTM sebagai model yang disarankan untuk pelacakan siklus menstruasi, yang bermanfaat bagi pemantauan kesehatan reproduksi. Penelitian selanjutnya disarankan menambah variabel lain, seperti riwayat kesehatan hormonal dan gaya hidup, untuk meningkatkan akurasi prediksi serta memperhatikan privasi data pada aplikasi pelacakan menstruasi.

Page 21 of 23 | Total Record : 227

 19   20   21   22   23 

Filter by Year

2017 2025


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