cover
Contact Name
I Made Bhaskara Gautama
Contact Email
bhaskara@stikom-bali.ac.id
Phone
-
Journal Mail Official
eksplora@stikom-bali.ac.id
Editorial Address
-
Location
Kota denpasar,
Bali
INDONESIA
Jurnal Eksplora Informatika
ISSN : 20891814     EISSN : 24603694     DOI : -
Core Subject : Science,
Jurnal Eksplora Informatika adalah jurnal nasional berbahasa Indonesia yang dikelola oleh Bagian Penelitian dan Pengabdian kepada Masyarakat (P2M) STIKOM Bali. Jurnal ini memuat hasil-hasil penelitian dengan topik-topik penelitian yang berasal dalam cakupan rumpun ilmu Teknik Informatika dan Komputer. Jurnal ini diterbitkan 2 kali dalam 1 tahun yakni pada bulan Maret dan September dengan periode penerimaan artikel sepanjang tahun.
Arjuna Subject : -
Articles 325 Documents
Kuesioner Online Sebagai Media Feedback Terhadap Pelayanan Akademik pada STMIK Prabumulih Muchlis Muchlis; Andi Christian; Mariana Puspa Sari
Jurnal Eksplora Informatika Vol 8 No 2 (2019): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (676.691 KB) | DOI: 10.30864/eksplora.v8i2.215

Abstract

Perguruan tinggi harus memberikan pelayanan yang baik terhadap kebutuhan mahasiswa dan dosen. Umpan balik pelayanan akademik perlu dievaluasi. Evaluasi pelayanan yang telah dilakukan pada STMIK Prabumulih adalah dengan menyebarkan kuesioner secara konvensional. Kendala penggunaan kuesioner secara konvensional, yaitu perhitungan yang dilakukan secara manual. Hal ini menimbulkan adanya kesalahan dalam perhitungan dan pemasukan data. STMIK Prabumulih juga harus menyediakan kuesioner dalam bentuk kertas. Mahasiswa maupun dosen merasa enggan untuk menjawab kuesioner dalam bentuk kertas. Untuk mengatasi permasalahan tersebut, maka perlu dibangun sistem informasi kuesioner online berbasis website sehingga responden dapat mengisi kuesioner di mana pun dan kapan pun. Metode yang digunakan dalam pengembangan sistem adalah metode waterfall dengan tahapan system engineering, analysis, design, coding, testing, dan maintenance. Pengujian sistem menggunakan pengujian black box. Hasil dari pengujian black box menunjukkan keseluruhan kebutuhan fungsional dapat berjalan dengan baik sesuai dengan kebutuhan dan sistem dapat berjalan dengan baik.
Algoritma Dynamic Cluster Head dengan Metode Rating untuk Mengurangi Dead Node pada Jaringan Sensor Nirkabel I Gusti Ngurah Ady Kusuma
Jurnal Eksplora Informatika Vol 8 No 2 (2019): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (260.834 KB) | DOI: 10.30864/eksplora.v8i2.218

Abstract

Jaringan sensor nirkabel terdiri dari node-node sensor yang memiliki sumber daya energi yang terbatas. Jaringan ini dibangun untuk mengawasi lingkungan dan memberikan informasi ke sebuah koordinator. Namun karena node yang berjalan dengan sumber daya terbatas seperti baterai, diperlukan sebuah protokol yang mampu memanfaatkan sumber daya yang terbatas namun data yang disampaikan tetap terjaga. In-network data aggregation merupakan sebuah metode agregasi pengumpulan data routing melalui jaringan multi-hop, mengolah data pada intermediate node dengan tujuan meningkatkan network lifetime. Agregasi data dilakukan secara terpusat pada topologi Tree-Based Network yang diproses pada Cluster Head sehingga memberikan beban pada Cluster Head yang mengakibatkan konsumsi energi terpusat pada satu node. Penelitian ini menghasilkan algoritma penentuan node yang bertugas menjadi Cluster Head sesuai dengan kondisi jaringan secara dinamis yang disebut A-SEClush. Berdasarkan hasil uji coba yang telah dilakukan algoritma ini memiliki keunggulan sebesar 2,0 pada total node yang mengalami kehabisan energi dibandingkan dengan Static-CH.
Pengembangan Media Interaktif Pengenalan Sistem Tata Surya Menggunakan Framework MDLC Ika Asti Astuti; Aris Harwanto; Tonny Hidayat
Jurnal Eksplora Informatika Vol 8 No 2 (2019): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (556.624 KB) | DOI: 10.30864/eksplora.v8i2.220

Abstract

Proses belajar mengajar yang dilakukan oleh guru kepada siswa pada umumnya masih manual menggunakan buku atau materi yang dijelaskan tidak terealisasi artinya tidak ada penjelasan yang cukup mengenai materi pada bagian visualisasi contohnya sistem tata surya tentang bagaimana bentuk planet, berputarnya, warnanya dan lain-lain. Media pembelajaran ini digunakan untuk kegiatan belajar mengajar, yang di dalamnya mengandung unsur multimedia meliputi teks, gambar, audio, video dan animasi tata surya dimana siswa dapat berinteraksi langsung dengan media pembelajaran tersebut. Hasil dari penelitian yaitu bahwa multimedia interaktif yang dikembangkan dapat meningkatkan keaktifan siswa di kelas dan memiliki efek positif untuk digunakan sebagai media pembelajaran pada khsusnya materi pengenalan sistem tata surya pada siswa Sekolah Dasar.
Perancangan Sistem Pakar Fuzzy Multi-Attribute Decision Making Psychological Distress pada Generasi Millennials Putri Taqwa Ningrum; Anggo Luthfi Yunanto; Reny Yuniasanti
Jurnal Eksplora Informatika Vol 8 No 2 (2019): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (782.898 KB) | DOI: 10.30864/eksplora.v8i2.226

Abstract

Psychological distress adalah keadaan subjektif yang dipresepsikan tidak menyenangkan. Setiap manusia tidak bisa menghindari dari gejala psychological distress yang meliputi depresi kecemasan ataupun stress, termasuk pada generasi millenials Generasi millennials cenderung lebih tidak peduli terhadap keadaan sosial di sekitar mereka seperti dunia politik ataupun perkembangan ekonomi Indonesia. Maka dari itu diperlukan suatu sistem yang dapat membantu dalam mengatasi Psychological distress. Sistem yang dibangun menggunakan metode Fuzzy Multi-Attribute Decision Making. Metode ini merupakan sebuah metode pengambilan keputusan untuk menetapkan alternatif terbaik dari sejumlah alternatif berdasarkan kriteria tertentu. Keluaran sistem berupa hasil diagnosa yang dapat memberikan beberapa alternatif emosional sesuai dengan pernyataan yang dimasukkan oleh pengguna. Sehingga dapat membantu pengguna dalam pengambilan keputusan. Metode Fuzzy Multi-Attribute Decision Making(FMADM) yang digunakan menghasilkan nilai yang identik antara perhitungan manual dengan perhitungan matematis oleh sistem, serta memperoleh nilai kecocokan perhitungan kuesioner dari pakar dan perhitungan FMADM sebesar 95%.
Aplikasi Artificial Neural Network (ANN) untuk Memprediksi Masa Studi Mahasiswa Program Studi Teknik Informatika Universitas Muhammadiyah Gresik Henny Dwi Bhakti
Jurnal Eksplora Informatika Vol 9 No 1 (2019): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (506.945 KB) | DOI: 10.30864/eksplora.v9i1.234

Abstract

Kualitas mahasiswa merupakan bagian penting dalam institusi pendidikan. Universitas perlu melakukan evaluasi performa mahasiswa untuk menjaga kualitas mahasiswa. Salah satu variabel indikator performa mahasiswa adalah informasi tentang lama masa studi mahasiswa. Prediksi lama masa studi dibutuhkan pihak manajemen Universitas dalam menentukan kebijakan preventif terkait pencegahan dini kasus Drop Out (DO). Artificial Neural Network (ANN) adalah suatu metode yang meniru jaringan syaraf biologis untuk mempelajari sesuatu. Salah satu implementasi ANN yang banyak digunakan adalah untuk memprediksi. Penelitian ini melakukan prediksi masa studi mahasiswa dengan menggunakan ANN dengan metode pembelajaran backpropagation. Variabel yang digunakan adalah nilai Indeks Prestasi Semester (IPS) 4 semester awal mahasiswa. Data dibagi menjadi data latih dan data uji. Dari hasil pelatihan dan pengujian didapatkan nilai Mean Square Error (MSE) dan Koefisien Relasi (R). MSE digunakan untuk melihat kesalahan rata-rata antara output jaringan dengan target. Nilai R digunakan untuk melihat kuat atau tidaknya hubungan linier antara 2 variabel. Nilai MSE dan koefisien relasi pelatihan adalah 0,016175 dan 0,94353 sedangkan nilai MSE dan koefisien relasi pengujian adalah 0,12188 dan 0,56071. Dari hasil penelitian dapat disimpulkan bahwa ANN dapat digunakan untuk memprediksi masa studi mahasiswa.
Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019 Imam Kurniawan; Ajib Susanto
Jurnal Eksplora Informatika Vol 9 No 1 (2019): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (631.246 KB) | DOI: 10.30864/eksplora.v9i1.237

Abstract

Pemilihan umum presiden yang diselenggarakan setiap lima tahun sekali merupakan momen yang penting untuk mewujudkan demokrasi dalam Negara Kesatuan Republik Indonesia. Penyampaian dukungan dilakukan baik tim sukses, buser maupun pendukung untuk mencitrakan positif calon masing-masing. Berbagai media digunakan salah satunya adalah Twitter, masyarakat menyampaikan komentar positif dan negatif bahkan cenderung “kampanye hitam” dan hoax sebelum pemilu dilaksanakan maupun saat pemilu sedang berlangsung mengenai pemilu yang diadakan, komentar di Twitter saat ini belum dapat ditentukan lebih ke arah positif atau negatif, oleh karena itu perlu dilakukan analisis sentimen untuk mengetahui kecenderungan opini masyarakat terhadap pemilu. Tujuan dari penelitian ini memperoleh analisis dokumen text untuk mendapatkan sentimen positif atau negatif. Metode yang digunakan K-Means untuk melakukan klastering pada data latih dan Naive Bayes classifier untuk mengklasifikasi pada data testing. Hasil dari pembobotan ini berupa sentimen positif dan negatif. Data diambil dari Twitter mengenai pemilu presiden 2019 sebanyak 500 data tweet. Dari hasil pengujian 100 dan 150 data uji diperoleh akurasi rata-rata 93.35% dan error rate sebesar 6.66%.
Implementasi Metode Item-Based Collaborative Filtering dalam Pemberian Rekomendasi Calon Pembeli Aksesoris Smartphone Bondan Prasetyo; Hanny Haryanto; Setia Astuti; Erna Zuni Astuti; Yuniarsi Rahayu
Jurnal Eksplora Informatika Vol 9 No 1 (2019): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (754.565 KB) | DOI: 10.30864/eksplora.v9i1.244

Abstract

Flazzstore merupakan sebuah toko yang bergerak dibidang penjualan casing smartphone. Terdapat banyak produk yang berbeda-beda dengan banyak tema yang berbeda pula, hal ini membuat beberapa user kesulitan dalam menentukan pilihan mengenai produk yang akan dipilih. Perlunya sebuah sistem rekomendasi yang mampu memberikan rekomendasi produk kepada user, untuk memudahkan user dalam memilih produk yang akan dibelinya. Penelitian ini menggunakan metode Item-Based Collaborative Filtering, metode ini mencari similarity/kesamaan item dengan item lainnya. Sistem akan mencari rating tiap item dan menghitung nilai similarity menggunakan persamaan pearson correlation-based similarity. Kemudian nilai dari hasil perhitungan similarity akan digunakan untuk menghitung nilai prediksi tiap produk dengan menggunakan persamaan weighted average of deviation. Sebelum direkomendasikan kepada pelanggan dari hasil prediksi tersebut dihitung nilai Mean Absolute Error (MAE) dihitung selisih antara nilai rating sebenarnya dengan prediksi, dan kemudian diurutkan mulai dari terkecil ke terbesar untuk direkomendasikan kepada user. Hasil dari penelitian menunjukkan kecilnya nilai rata-rata MAE 0,572039 namun untuk proses eksekusi, waktu yang dibutuhkan cukup lama yaitu 6,4 detik. Penelitian berikutnya dapat mengombinasikan pendekatan metode content based filtering dan collaborative filtering atau disebut dengan Item Based Clustering Hybrid Method (ICHM) supaya hasil yang diperoleh lebih baik dan dapat mempersingkat waktu yang dibutuhkan.
Analisis Sentimen Calon Presiden Indonesia 2019 Berdasarkan Komentar Publik Di Facebook Eko Budi Santoso; Aryo Nugroho
Jurnal Eksplora Informatika Vol 9 No 1 (2019): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (671.906 KB) | DOI: 10.30864/eksplora.v9i1.254

Abstract

Dalam penelitian ini akan dilakukan analisis sentimen terhadap calon presiden Indonesia tahun 2019 berdasarkan komentar publik di jejaring sosial Facebook. Selanjutnya akan melalui beberapa tahapan dalam melaukan analisis sentimen, antara lain adalah tahap pengumpulan data, data correction, preprocessing data, dan klasifikasi menggunakan Naïve Bayes Classifier serta dilakukan asosiasi teks. Hasil dari penelitian ini diperoleh bahwa calon presiden Joko Widodo didapatkan postingan sebanyak 40 data dan calon presiden Prabowo Subianto didapatkan 12 data postingan dengan pengumpulan data pada tanggal 17 april 2019 sampai 22 mei 2019. Dari data sebanyak 5.000 komentar yang dipilih secara acak dan melalui tahap preprocessing menghasilkan polaritas sentimen, Joko Widodo memeperoleh 85% untuk sentimen positif, 15% sentimen negatif. Sedangkan Prabowo Subianto memperoleh 76% sentimen positif, dan 24% sentimen negatif. Untuk hasil klasifikasi menggunakan Naïve Bayes Classifier memperoleh hasil tingkat akurasi sebesar 86,4%, serta kata yang berasosiasi dengan kata masyarakat terhadap Joko Widodo didapatkan kata upaya, mental, dan kondisi untuk sentimen positif dan kata pemerintahan, pembangunan, kelompok untuk sentimen negatif. Sedangkan yang berasosiasi dengan kata masyarakat terhadap Prabowo Subianto didapatkan kata sistem, berkomitmen, dan kritis untuk sentimen positif dan kata bodohi, kelayakan, diusung untuk sentimen negatif.
Identifikasi Citra Batu Mulia dengan Menggunakan Metode Jaringan Saraf Tiruan Backpropagation Meylda Kurnia Emylia Putri
Jurnal Eksplora Informatika Vol 9 No 1 (2019): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (404.275 KB) | DOI: 10.30864/eksplora.v9i1.256

Abstract

Batuan mulia (gemstone) merupakan salah satu kekayaan alam yang dapat dijadikan perhiasan dan koleksi. Terdapat beberapa jenis batuan seperti ruby, sapphire, zamrud, topaz, kecubung, dan kalimaya. Jenis batuan mulia tersebut dapat dikenali berdasarkan tekstur, motif, dan warnanya. Keberagaman atas jenis batuan mulia akan menjadi kendala bagi konsumen untuk mengidentifikasi bebatuan asli, palsu dan sintetis dikarenakan minimnya akan pengetahuan dan kemampuan individu dalam mengidentifikasi bebatuan mulia. Kemiripan Antara batuan mulia asli, sintetis, dan palsu menjadi suatu permasalahan dalam pemilihan batuan tersebut. Berdasarkan permasalahan yang telah dijabarkan maka dengan dibuatnya sistem basis jaringan saraf tiruan dapat mengidentifikasi dan mengenali batuan mulia, asli, palsu, atau sintetis dikarenakan jaringan saraf tiruan merupakan salah satu ilmu komputer yang dapat mempelajari dan menirukan kerja otak manusia dibidang pengelompokan dan pengenalan pola. Untuk pengaplikasian tersebut, algoritma yang akan digunakan yaitu backpropagation dan hasil dari keakurasian adalah 85%.
Optimasi Algoritma Klasifikasi Biner dengan Tuning Parameter pada Penyakit Diabetes Mellitus Wijanarto Wijanarto; Rhatna Puspitasari
Jurnal Eksplora Informatika Vol 9 No 1 (2019): Jurnal Eksplora Informatika
Publisher : Bagian Perpustakaan dan Publikasi Ilmiah - Institut Teknologi dan Bisnis STIKOM Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (496.088 KB) | DOI: 10.30864/eksplora.v9i1.257

Abstract

Diabetes Melitus atau yang biasanya disebut dengan penyakit kencing manis merupakan penyakit yang terjadi akibat peningkatan kadar glukosa di dalam darah terlalu tinggi. Data World Health Organization (WHO), menunjukkan Indonesia menjadi negara keempat di dunia dengan angka penderita diabetes terbanyak dan mengalami peningkatan hingga 14 juta orang. Peningkatan kasus penyakit Diabetes melitus ini memerlukan suatu upaya penanggulangan dan pencegahan dini terhadap penyakit Diabetes melitus. Dalam penelitian ini akan dilakukan optimasi algoritma klasifikasi biner pada penyakit diabetes melitus mulai dari observasi, visualisasi, statistic deskriptif dataset, pre-processing dataset, penentuan baseline model, tuning parameter model dan finalisasi model. Penentuan baseline model diperoleh dengan mencari nilai akurasi tertinggi dari 3 algoritma linear (Logistic Regression, Linear Discriminant Analysis, K-nearest neighbor) atau 3 algoritma non- linear (Decision Tree, Naïve Bayes, Support Vector Machine) berdasarkan tuning parameternya dan yang menghasilkan akurasi optimal adalah Algoritma Support Vector Machine, sehingga dijadikan sebagai final model dengan parameter C sebesar 47 dengan kernel rbf dihasilkan rerata akurasi sebesar 77.3% pada data training dan 74.5% pada data testing, sementara berdasarkan confusion matrix dihasilkan precision 78%, recall 83%, f1-Score 81%, error rate 25%.