cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Agus Tedyyana
Contact Email
Agus Tedyyana
Phone
-
Journal Mail Official
agustedyyana@polbeng.ac.id
Editorial Address
-
Location
Kab. bengkalis,
Riau
INDONESIA
INOVTEK Polbeng - Seri Informatika
Published by Politeknik Negeri Bengkalis
ISSN : 25279886     EISSN : -     DOI : -
Core Subject : Science,
Computer Science & IT
Jurnal Inovasi dan Teknologi Seri Informatika (Jurnal INOVTEK Polbeng - Seri Informatika) Politeknik Negeri Bengkalis merupakan jurnal informatika berbasis penelitian ilmiah. Jurnal ini diharapkan dapat sebagai wadah akademisi, peneliti dan praktisi menyebarkan hasil penelitian. Jurnal INOVTEK Polbeng - Seri Informatika menerbitkan naskah berkaitan dengan Web and Mobile Computing, Image processing, System Cerdas, Sistem Informasi, Database, DSS, IT project management, Geographical Information System, Teknologi Informasi, Computer Network and Security, Wireless Sensor Network, dan lainya.
Arjuna Subject : -
Articles 261 Documents
 15   16   17   18   19 
Analisis Pengalaman Pengguna Aplikasi Virtual Tour Kampus PENS Menggunakan Teknik Usability Ashafidz Fauzan; Zakha Maisat Darmawan; Ridwan Achsani Ramadhan; Kholid Fathoni
Jurnal Inovtek Polbeng Seri Informatika Vol 7, No 1 (2022)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v7i1.2297

Abstract

Aplikasi Virtual Tour Kampus PENS merupakan sebuah aplikasi yang menggunakan teknologi Virtual Reality dimana pengunjung dapat melihat suatu lokasi sekitar dengan memanfaatkan media multi iamge panorama 360º. Pemanfaatan teknologi Virtual Reality menjadi alternatif dikarenakan penyajian informasi yang diberikan lebih interaktif kepada pengguna. Penelitian ini dilakukan dilingkungan Kampus PENS dengan cara menyebarkan kuesioner kepada mahasiswa yang dibagikan menggunakan laman elektronik google form dalam rentang waktu empat minggu. Didalam kuesioner tersebut terdapat pengukuran usability untuk mendapatkan seberapa besar tingkat kemudahan pengguna dalam menggunakan atau mengoperasikan aplikasi yang sudah dibuat. Pengukuran usability dalam penelitian ini menggunakan 5 kategori yaitu, learnability, memorability, efficiency dan satisfaction. Hasil dari penelitian ini menunjukkan bahwa aplikasi mudah untuk dipelajari dan pengguna merasa nyaman dalam menggunakan aplikasi serta berhasil mengenalkan lingkungan kampus kepada mahasiswa dengan nilai rata-rata 4,22 dalam skala 1 sampai 5. Selain itu hasil penelitian ini memberikan masukan kepada pengelola untuk mengambangkan Aplikasi Virtual Tour Kampus PENS.
Implementasi Metode K-Means, Dbscan, Dan Meanshift Untuk Analisis Jenis Ancaman Jaringan Pada Intrusion Detection System Toga Aldila Cinderatama; Rinanza Zulmy Alhamri; Yoppy Yunhasnawa
Jurnal Inovtek Polbeng Seri Informatika Vol 7, No 1 (2022)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v7i1.2336

Abstract

The implementation of network security infrastructure has been carried out, including the Intrusion Detection System (IDS). However, in its implementation there are still many who have not combined with Data Technology (Data Science) to get a more comprehensive analysis. This study aims to analyze the types and characteristics of network threats using data science. As a computational method, the results of 3 algorithms in the unsupervised learning category will be implemented and compared, namely K-Means, Meanshift, and Density-Based Spatial Clustering of Applications with Noise (DBSCAN). From the experimental results as measured by the Silhouette Index (SI ) the best cluster of each implemented algorithm is DBSCAN which has the best SI value of 0.3424 with an Eps value of 0.2 and a MinPts value of 3. Meanwhile, from the results of clustering using K-Means, The best SI value was obtained by experiment k=4 with a value of 0.4531. The results of clustering using MeanShift, the best SI value was obtained by experiment bandwidth = 1 with a value of 0.5305.
Prediksi Prestasi Akademik Mahasiswa Bekerja Paruh Waktu Menggunakan Artificial Neural Network Yuhelmi Yuhelmi; Taslim Taslim; Syamsidar Syamsidar; Machdalena Machdalena
Jurnal Inovtek Polbeng Seri Informatika Vol 7, No 1 (2022)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v7i1.2368

Abstract

Intisari–Mahasiswa yang bekerja paruh waktu dituntut agar bisa membagi waktu mereka secara efektif dan efisien antara waktu untuk bekerja dan dan waktu untuk kuliah. Prediksi terhadap mereka yang kuliah sambil bekerja diharapkan dapat menjadi salah satu pertimbangan kebijakan bagi pihak akademik agar mahasiswa yang bekerja sambil bekerja dapat menyelesaikan masa studi mereka secara tepat waktu. Penelitian ini di mulai dengan tahapan mengumpulkan data mahasiswa yang kuliah sambil bekerja untuk selanjutnya dilakukan proses data cleaning. Data lalu dibagi atas dua kelompok data yaitu data training dan data testing yang dinormalisasi dengan metode min-max. Algoritma neural network digunakan untuk melakukan prediksi terhadap hasil studi bagi mereka yang kuliah sambil bekerja yang di kategorikan dalam 3 label. Optimasi dilakukan terhadap parameter dengan memamfaatkan perangkat optimize parameter. Pada pengujian model, parameter yang ditampilkan berupa training cycle, learning rate, momentum, akurasi dan nilai RMSE dengan rentang nilai learning rate dan momentum 0,1 sampai dengan 0,9, dengan fungsi aktivasi sigmoid. Validasi nilai terbaik didapat pada training cycle 201, learning rate 0,74, momentum 0,9 dengan nilai akurasi 89,62%, RMSE 0,263 dengan nilai k-fold=3.
Deteksi Kebocoran Pipa Air Menggunakan Machine Learning dengan Jaringan Nirkabel IEEE 802.15.4 Kurniawan Saputra; M. Udin Harun Al Rasyid; Muh. Zen Samsono Hadi
Jurnal Inovtek Polbeng Seri Informatika Vol 7, No 1 (2022)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v7i1.2360

Abstract

Pipa adalah cara paling ekonomis dan paling aman dalam mendistribusikan hasil produk seperti air, petrokimia, gas, dan cairan lainnya. Terlepas dari manfaat tersebut, ternyata pipa memiliki ancaman yaitu potensi kebocoran. Artikel ini membahas pendeteksian kebocoran pipa air menggunakan parameter debit aliran. Pengujian dilakukan pada dua format dataset, menggunakan raw dataset dan process dataset menggunakan metode volume balance. Pada proses pembelajaran ada beberapa hal yang perlu disoroti seperti pemilihan tipe dataset, pre-processing dengan menormalisasi dataset, dan menerapkan metode fungsi kernel untuk meningkatkan kinerja akurasi prediksi ukuran dan lokasi kebocoran pipa. Dataset dilatih menggunakan algortima SVM untuk mengklasifikasikan ukuran dan lokasi kebocoran pipa. Hasil klasfikasi ukuran kebocoran dengan fungsi kernel polynomial pada raw dataset mencapai akurasi sebesar 98,25%, recall 99,1%, presisi 99,8%, dan F-measure 99,5%. Sedangkan fungsi kernel Radial Basis Function pada process dataset mencapai akurasi tertinggi sebesar 89,7%, recall 94,4%, presisi 95,4%,  dan F-measure 94,6%. Dalam hal mengidentifkasikan lokasi kebocoran, fungsi kernel polynomial pada raw dataset meningkatkan akurasi sebesar 88,96%, recall 94,7%, presisi 91,5%, dan F-measure 92,8%. Sedangkan fungsi kernel polynomial pada process dataset mencapai akurasi sebesar 74,42%, recall 74,1%, presisi 72,8%, dan F-measure 71,3%.
Implementasi Pengiriman Pesan Broadcast dengan Redis Pub/Sub dan Bahasa Pemrograman Nim Tania Rachel; Yerymia Alfa Susetyo
Jurnal Inovtek Polbeng Seri Informatika Vol 7, No 1 (2022)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v7i1.2314

Abstract

Intisari -Penyebaran pesan pada perusahaan sangat penting untuk menjaga informasi didalamnya tetap up-to-date, pada perusahaan berskala besar yang memiliki banyak gerai yang tersebar, banyaknya pesan yang harus dikirim menjadi permasalahan tersendiri serta waktu yang digunakan untuk mengirimkan pesan akan menjadi lebih lama. Sehingga pada penelitian ini sistem pengiriman pesan broadcast diimplementasikan menggunakan Redis Pub/Sub dan bahasa pemrograman Nim, pada Redis Pub/Sub pengirim hanya perlu men-publish pesan ke dalam suatu channel dan pesan tersebut akan sampai pada banyak subscriber channel. Implementasi menghasilkan aplikasi server yang digunakan untuk publish pesan dan aplikasi client yang digunakan untuk men-subscribe channel.Berdasarkan pengujian yang dilakukan, didapatkan hasil 86% yang menunjukkan user “sangat setuju” jika penelitian ini dapat meningkatkan efektifitas pengiriman pesan. Hasil program yang dihasilkan pada penelitian ini juga berukuran sangat kecil sehingga mudah untuk di distribusikan.
Multivariate Time Series Forecasting pada Penjualan Barang Retail dengan Recurrent Neural Network Robertus Bagaskara Radite Putra; Hendry Hendry
Jurnal Inovtek Polbeng Seri Informatika Vol 7, No 1 (2022)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v7i1.2398

Abstract

Intisari–Pasar ritel di Indonesia semakin berkembang seiring bertambahnya penduduk dan daya beli. Peluang ini harus dimanfaatkan, namun dalam bisnis ritel, kadangkala terjadi keadaan Out of Stock maupun over stock di dalam toko. Untuk mengatasi hal tersebut, kita bisa mengatasinya dengan melakukan peramalan atau prediksi penjualan yang akan terjadi di masa mendatang. Ada beberapa macam metode untuk melakukan peramalan, namun secara umum terbagi menjadi 2 jenis yaitu metode statistika dan juga computational intelligence. Penelitian ini mencoba untuk melakukan prediksi penjualan barang retail perhari menggunakan metode Recurrent Neural Network (RNN) sebagai bagian dari metode computational intelligence. Dari penelitian ini kita bisa dapatkan hasil bahwa dalam kasus prediksi penjualan ritel, performa akurasi RNN lebih baik dari metode statistika
Perbandingan Kinerja Clustered File System pada Cloud Storage menggunakan GlusterFS dan Ceph Sugeng Purwantoro E.S.G.S
Jurnal Inovtek Polbeng Seri Informatika Vol 7, No 2 (2022)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v7i2.2753

Abstract

Perkembangan teknologi yang cepat menyebabkan kebutuhan penyimpanan data semakin berkembang. Salah satu untuk memperbesar kapasitas penyimpanannya dengan metode Clustered file system. Pada pengujian ini membandingkan kecepatan upload dan download file dan write/read file pada GlusterFS dan Ceph. Pengujian transfer file menggunakan file dengan ukuran 500MB, 10 kali pengujian, dan menggunakan aplikasi teracopy. Dari pengujian maka diperoleh hasil untuk upload file bahwa metode GlusterFS lebih cepat 11,5% daripada Ceph dengan rata-rata upload file GlusterFS lebih tinggi sebesar 3,57MB/s dan CephFS sebesar 3,20MB/s, hasil yang diperoleh untuk download file bahwa metode GlusterFS lebih cepat 11,3% daripada Ceph dengan rata-rata upload file GlusterFS lebih tinggi 4,13MB/s dan CephFS sebesar 3,71MB/s, hasil yang diperoleh untuk write file bahwa metode GlusterFS lebih cepat 106% daripada Ceph dengan perbandingan sebesar 11,34kB/s dan 8,05kB/s, untuk read file bahwa metode GlusterFS lebih cepat 37% daripada Ceph dengan perbandingan sebesar 3,10kB/s dan 2,25kB/s. Dari analisis tersebut bahwa metode GlusterFS lebih baik 100% dengan menggunakan 2 node yang masing-masing memiliki virtual disk yang dapat digabung dan mempercepat performancenya, sedangkan Ceph terbagi 3 node dimana 1 node digunakan sebagai MON yang berisikan penyimpanan metadata dan pool data yang memiliki proses lebih banyak sehingga mengakibatkan turunnya performance pada file system tersebut
Penerapan Metode Dokumentasi Untuk Monitoring Logbook dan Presensi Mahasiswa Kerja Praktek di Politeknik Negeri Bengkalis Handrian Azhar; Muhamad Sadar; Lucky Lhaura Van FC; Pandu Pratama Putra
Jurnal Inovtek Polbeng Seri Informatika Vol 7, No 2 (2022)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v7i2.2595

Abstract

Penerapan Metode Dokumentasi Untuk Monitoring logbook dan Presensi Mahasiswa Kerja Praktek (KP) di Politeknik Negeri Bengkalis diharapkan dapat memberikan solusi dari permasalahan yang ada sehingga pelaksanaan kegiatan KP dapat berjalan dengan lebih baik. Perancangan dalam membangun sistem ini menggunakan Unified Modelling Language (UML) dan perancangan interface. Aplikasi ini berbasis web dan di buat menggunakan bahasa pemrograman php, HTML, CSS, Javascript dan database MySQL. Metode yang digunakan dalam membangun aplikasi ini adalah metode waterfall, untuk proses monitoring menggunakan metode dokumentasi dan pengujian menggunakan metode black box. Hasil penelitian ini adalah sebuah aplikasi web. Kesimpulan dari penelitian ini yaitu untuk mempermudah proses monitoring mahasiswa kerja praktek secara realtime dibutuhkan sebuah aplikasi yang dapat menyimpan data presensi, logbook, catatan serta hasil penilaian KP secara online.
Prediksi Harga Beras Berdasarkan Kualitas Beras dengan Metode LSTM Nur Nafiiyah
Jurnal Inovtek Polbeng Seri Informatika Vol 7, No 2 (2022)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v7i2.2599

Abstract

Berdasarkan penelitian sebelumnya terkait memprediksi harga beras, bahwa beras merupakan kebutuhan primer bagi masyarakat Indonesia. Sehingga dibutuhkan model yang bisa memprediksi harga beras di waktu selanjutnya yang mendekati harga aktual di Indonesia. Kami mengusulkan arsitektur LSTM untuk memprediksi harga beras. Tujuan penelitian ini membuat model arsitektur LSTM untuk memprediksi harga beras berdasarkan kualitas, yaitu premium, medium, dan luar kulit. Data yang digunakan mulai tahun 2019 sampai 2021, total dataset 36 baris. Data training 28 baris, dan data tes 8 baris. Kami memprediksi berdasarkan urutan waktu, waktu yang digunakan untuk memprediksi berdasarkan 4 waktu sebelumnya. Arsitektur yang dibuat adalah layer input, 3 layer hidden LSTM, dan layer output, yaitu 4-50-50-50-1. Hasil evaluasi MAE dari prediksi harga beras premium, medium, dan luar kulit secara berurutan adalah 83.49, 89.6, 96.99.
Klasifikasi ABC dan Peramalan ARIMA Inventory Usaha Kecil Menengah Stokis Pakaian Muslim Alamanda Chatartica; Kursehi Falgenti
Jurnal Inovtek Polbeng Seri Informatika Vol 7, No 2 (2022)
Publisher : P3M Politeknik Negeri Bengkalis

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35314/isi.v7i2.2776

Abstract

The problem faced by many SMEs is the imbalance between demand and supply. As one of the SMEs, Stockist C-Geulis often faces the problem of unavailable product stock while orders are not yet available. This research aims to identify high-value and high-demand products and predict minimum and maximum inventory levels for the following month. The method for determining high-value products is ABC analysis, while the minimum and maximum inventory predictions use the ARIMA (Autoregressive Integrated Moving Average). The data for stock forecasting uses sales data from January 2019 to June 2021. The results show that ABC analysis based on sales value includes four class A products, three class B products, and eight class C products. The forecast results show that the inventory forecast data for three periods does not meet the assumption of stationarity to the average because a level 1 differentiation process is carried out so that the data becomes stationary. The ARIMA models produced are ARIMA (1,1,1) for Batik C-Geulis products and Busui C-Geulis and ARIMA (1,0,0) for Inner Gamis Hijab products. The supplies provided for Batik C-Geulis products in July 2021 are 37 pcs, Busui C-Geulis are 45 pcs, and Inner Gamis C-Geulis are 49 pcs.

Page 17 of 27 | Total Record : 261

 15   16   17   18   19 

Filter by Year

2016 2024


Reset
Filter By Issues
All Issue Vol 9, No 1 (2024) Vol 8, No 2 (2023) Vol 8, No 1 (2023) Vol 7, No 2 (2022) Vol 7, No 1 (2022) Vol 6, No 2 (2021) Vol 6, No 1 (2021) Vol 5, No 2 (2020) Vol 5, No 1 (2020) Vol 4, No 2 (2019) Vol 4, No 1 (2019) Vol 3, No 2 (2018) Vol 3, No 1 (2018) Vol 2, No 2 (2017) Vol 2, No 1 (2017) Vol 1, No 2 (2016) Vol 1, No 1 (2016) More Issue