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
-
Editorial Address
-
Location
Kota denpasar,
Bali
INDONESIA
Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI)
Published by Universitas Pendidikan Ganesha
ISSN : 20898673     EISSN : 25484265     DOI : -
Core Subject : Science, Education, Engineering,
Computer Science & IT Education Engineering
Jurnal Nasional Pendidikan Teknik Informatika (JANAPATI) is a collection of scientific articles in the field of Informatics / ICT Education widely and the field of Information Technology, published and managed by Jurusan Pendidikan Teknik Informatika, Fakultas Teknik dan Kejuruan, Universitas Pendidikan Ganesha. JANAPATI first published in 2012 and will be published three times a year in March, July, and December. This journal is expected to bridge the gap between understanding the latest research Informatika. In addition, this journal can be a place to communicate and enhance cooperation among researchers and practitioners.
Arjuna Subject : -
Articles 8 Documents
 1 
Search results for , issue "Vol. 11 No. 2 (2022)" : 8 Documents clear
Analisis Kebutuhan dan Dokumentasi Sistem Informasi Tiras dan Transaksi Bahan Ajar Universitas Terbuka Unggul Utan Sufandi
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 2 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i2.42966

Abstract

Universitas Terbuka (UT) memiliki fasilitas layanan Bahan Ajar (BA) sebagai sarana untuk mendistribusikan BA ke mahasiswa dan ke UPBJJ (Unit Program Belajar Jarak Jauh).  BA yang didistribusikan dapat berbentuk cetak (modul) dan non-cetak, BA digital, BA ujian, dan BA pendukung akademik lainnya. Layanan BA yang dimiliki UT dikelola menggunakan Sistem Informasi Tiras dan Transaksi Bahan Ajar (SITTA). SITTA telah diimplementasikan mulai awal tahun 2018. Sejak SITTA diimplementasikan, belum pernah dilakukan evaluasi sistem. Penelitian ini membahas mengenai evaluasi terhadap SITTA dengan melakukan identifikasi masalah dari sistem berjalan, membuat dokumentasi sistem berjalan, dan membuat desain dari alur diagram sistem baru yang telah disesuaikan dengan hasil analisis masalah. Pada penelitian ini juga dihasilkan rekomendasi perbaikan sistem yang telah disesuaikan berdasarkan kebutuhan. Hasilnya berupa rekomendasi perbaikan sistem pada setiap proses kegiatan yang sedang berjalan pada layanan bahan ajar. Metodologi yang digunakan untuk melakukan pengembangan SITTA adalah dengan SDLC (System Development Life Cycle). Instrumen penelitian yang digunakan yaitu dengan teknik observasi dan wawancara mendalam (In Depth Interview) yang ditujukan kepada staf dan stakeholder (user system) sebagai narasumber yang memberikan informasi.
Penerapan Algoritma Support Vector Machine dan Multi-Layer Perceptron pada Klasifikasi Topik Berita Sudianto Sudianto; Asti Dwi Sripamuji; Imada Riski Ramadhanti; Risa Riski Amalia; Julian Saputra; Bagas Prihatnowo
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 2 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Salah satu aktivitas masyarakat Indonesia di internet adalah mengakses berita online dengan persentase 15,5%. Dalam mencerna suatu informasi berita online, masyarakat Indonesia masih memiliki kebiasaan yang buruk ketika membaca lebih dari satu sumber media online pada kasus yang sama. Sehingga perlu adanya klasifikasi berita secara otomatis. Penelitian sebelumnya menggunakan Mutual Information and Bayesian Network untuk mengkategorikan suatu berita, dalam format data tekstual dengan akurasi 75.34%. Penelitian ini memberikan suatu inovasi baru berupa pengimplementasian algoritma Support Vector Machine dan Multi-Layer Perceptron untuk klasifikasi menggunakan pembelajaran supervised atau yang disebut backpropagation. Tujuan dari pengklasifikasian topik berita menggunakan Algoritma Support Vector Machine memudahkan pembaca untuk menemukan informasi yang pembaca butuhkan, dengan secara otomatis mengelompokkan berita ke dalam kategori tertentu sesuai informasi yang terkandung. Metode yang digunakan yaitu metode Term Frequency – Inverse Document Frequency untuk feature selection data pelatihan dan algoritma Support Vector Machines dan Multi-Layer Perceptron untuk klasifikasi. Hasil yang diperoleh menunjukan skor akurasi sebesar 74% pada SVM dan 78% pada MLP. Sementara itu, nilai precision dan recall yaitu 76% dan 74% pada SVM serta 79% dan 78% pada MLP.
Analisis Clustering Kasus Covid 19 di Indonesia Menggunakan Algoritma K-Means Tikaridha Hardiani
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 2 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i2.45376

Abstract

  Kasus Covid 19 semakin meningkat di Indonesia. Penelitian ini bermaksud untuk menerapkan teknik penambangan data (data mining) dengan algoritma clustering K-Means. Penelitian ini  menganalisiis pola penyebaran Covid 19 dengan mengelompokan kasus Covid 19 di Indonesia yang didapatkan dari website dataset Kaggle. Metode penambangan data (data mining) yang digunakan yaitu Cross Industry Standard Process for Data-Mining (CRISP-DM). Penelitian ini mengembangkan dari penelitian yang terdahulu dengan data dan atribut yang lebih banyak. Data yang digunakan sebanyak 16.284 dari tanggal 1 Maret 2020 hingga 9 Juli 2021. Pengelompkan provinsi di Indonesia ke beberapa cluster tertentu sehingga dapat mengetahui daerah dengan jumlah kasus yang banyak dan yang sedikit serta karakteristiknya.  Hasil klasterisasi provinsi diharapkan dapat memberikan saran kepada pemerintah dalam membuat aturan atau kebijakan terkait pembatasan kegiatan masyarakat atau kebijakan lainnya dalam mengatasi penyebaran COVID-19. Penentuan jumlah cluster yang optimal atau validasi cluster menggunakan David Boulden index (DBI). Cluster yang terbaik ditentukan dari nilai David Boulden Index yang terendah.  Hasil penelitian ini diperoleh 3 cluster yang terbaik dengan nilai DBI terendah, yaitu sebesar 0,47. Cluster 1 terdiri dari 30 provinsi, Cluster 2 dan 3 masing-masing 2 provinsi. Saran untuk peneliti selanjutnya yaitu menambahkan algoritma clustering yang lain dan membandingkan beberapa algoritma untuk memperoleh hasil yang terbaik.
Rancang Bangun Sistem Simulasi Asesmen Internal Berbasis Web Menggunakan Instrumen Akreditasi Program Studi (IAPS 4.0) Yogi Duwi Antara; Gede Aris Gunadi; I Made Candiasa
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 2 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i2.46545

Abstract

Penelitian ini bertujuan mengembangkan sebuah sistem simulasi berbasis web untuk melakukan asesmen internal pada program studi di Universitas Warmadewa yang akan mengajukan akreditasi menggunakan Instrumen Akreditasi Program Studi versi 4.0 (IAPS 4.0). Simulasi dilakukan sebelum program studi mengunggah isian instrumen akreditasi yang berupa Laporan Evaluasi Diri (LED), Laporan Kinerja Program Studi (LKPS), dan dokumen-dokumen terkait akreditasi lainnya ke SAPTO BAN-PT. Hasil dari simulasi yang dilakukan berupa skor dan peringkat akreditasi serta rekomendasi untuk penyempurnaan isian instrumen akreditasi. Penelitian ini menggunakan metode extreme programming untuk merancang dan membangun sistem simulasi serta menggunakan metode black-box testing dan instrumen respon pengguna untuk melakukan pengujian efektivitas sistem. Hasil implementasi menggunakan metode extreme programming telah dilakukan dengan menghasilkan rancangan sistem, desain sistem, tampilan sistem, serta pengujian sistem. Dari hasil penelitian yang dilakukan, sistem simulasi asesmen internal mampu membantu program studi yang akan mengajukan akreditasi untuk mempersiapkan LED, LKPS, maupun dokumen terkait akreditasi sebelum mengunggahnya melalui SAPTO BAN-PT serta mengetahui perkiraan skor yang akan didapat melalui asesmen internal. Sistem simulasi juga dapat berjalan sesuai dengan yang diharapkan dilihat dari hasil hasil uji yang dilakukan terhadap sistem dan 3 user yang terlibat yaitu admin, program studi, dan asesor internal.
Investigating The Zoom Application as A Video Conferencing Platform in The Online Learning Process Based on Teacher's Perception Gede Rasben Dantes; Ira Putri Audina; Ni Putu Era Marsakawati; Ni Komang Arie Suwastini
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 2 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i2.48456

Abstract

The use of the Zoom platform is one solution in supporting the implementation of online learning, which still has advantages and disadvantages in its application and utilization. This study explores teachers' perceptions about using this platform and its advantages and disadvantages in teaching and learning. This research was qualitative, following the Model of Qualitative Data Analysis by Miles, Huberman, and Saldaña (2014). The data were collected through open-ended questionnaires through Google Form, involving 12 foreign language teachers. The study revealed that teachers found Zoom very useful in teaching and learning, especially during this pandemic period in delivering and explaining learning materials because Zoom provides various helpful features that support foreign language learning. Teachers perceived Zoom as an effective platform to facilitate online learning. However, teachers also admitted several challenges in using Zoom in their foreign language teachings, such as unstable connection, expensive internet credit, and time limitations.
Analisis Perbandingan Algoritma Genetika dan Modified Improved Particle Swarm Optimization dalam Penjadwalan Mata Kuliah Made Hanindia Prami Swari; Chrystia Aji Putra; I Putu Susila Handika
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 2 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i2.49061

Abstract

Pembuatan jadwal secara manual yang terdiri dari banyak batasan tentunya bukan perkara mudah. Dengan adanya berbagai algoritma penjadwalan, proses penjadwalan dapat dilakukan melalui pengembangan sistem penjadwalan mata kuliah. Pemilihan algoritma yang akan digunakan dalam sistem penjadwalan merupakan hal krusial untuk menghasilkan jadwal yang memiliki kinerja terbaik dari sisi ketiadaan bentrok antar jadwal dan waktu terbentuknya jadwal. Penelitian ini bertujuan membandingkan kinerja algoritma genetika yang dinyatakan memiliki kinerja baik serta algoritma MIPSO yang diklaim pada penelitian lain dapat memberikan kinerja baik pada kasus optimasi. Penelitian ini diharapkan memberikan kontribusi berupa rekomendasi algoritma penjadwalan terbaik. Berdasarkan pengujian kinerja algoritma Genetika dan MIPSO yang dilakukan pada penjadwalan semester Genap 2021/2022 menggunakan platform hardware yang sama, maka didapatkan kesimpulan bahwa MIPSO menghasilkan jadwal optimal (menghasilkan jadwal tanpa bentrok) dengan rata-rata waktu yang lebih cepat yakni 190,281 detik dibandingkan waktu yang dibutuhkan oleh algoritma Genetika yakni selama 988,199 detik, dengan kata lain algoritma MIPSO menghasilkan kinerja lebih baik 5 kali lipat atau sebesar 500% dibandingkan algoritma genetika dari sisi waktu yang dibutuhkan untuk melakukan penjadwalan. Untuk penelitian selanjutnya dapat dilakukan penambahan jumlah individu yang akan dilakukan proses crossover dan mutation sehingga didapatkan jumlah optimal individu yang akan dilakukan proses crossver dan mutation.
Deteksi Perubahan Penggunaan Lahan dan Penutup Lahan Pada Citra Multispectral Berdasarkan Pendekatan Codebook dan Keyblock I Gusti Agung Gede Arya Kadyanan
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 2 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i2.49102

Abstract

Penelitian ini membahas Keyblock sebagai metode baru yang diusulkan untuk deteksi perubahan pada citra multispektral. Keyblock adalah generalisasi dari teknologi temu kembali informasi berbasis teks dalam domain citra. Tujuan utama penelitian ini adalah untuk menemukan codebook dan indeks dengan ukuran tertentu dari sekumpulan blok citra pelatihan. Dari codebook dan indeksnya kami mencoba mendeteksi perubahan dari T1 dan T2 dimana Tn adalah beberapa citra temporal dari citra satelit Ikonos. Penelitian ini menekankan pada perbandingan kedua citra temporal. Makalah ini akan menjawab pertanyaan penelitian: Bisakah kita menggunakan Keyblock dalam deteksi perubahan multispektral? Pertama, kami ingin menjelaskan prinsip dasar metode keyblock dalam pemrosesan citra, kemudian kami mencoba untuk melakukan eksperimen di dalamnya. Selanjutnya dirangkum implementasi keyblock framework. Dengan nilai RMS_error yang relatif kecil yaitu sebesar 9 tingkat dan histogram yang serupa sehingga antara citra satelit asli dan citra satelit rekonstruksi terlihat tidak terlalu berbeda, maka codebook yang dibangun dapat digunakan sebagai vektor quantizer.
Koreksi Jawaban Esai Berdasarkan Persamaan Makna Menggunakan Fasttext dan Algoritma Backpropagation Dian Ahkam Sani; M. Zoqi Sarwani
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 2 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i2.49192

Abstract

Word Embedding adalah bagian dari NLP (Natural Language Processing) yang belakangan ini menjadi topik menarik untuk diteliti. Facebook AI research mengusulkan FastText sebagai salah satu metode word embedding yang memiliki keunggulan menemukan kata yang jarang ditemui atau OOV (Out of Vocab). Algoritma Backpropagation sebagai salah satu metode yang tidak hanya bisa mengklasifikasi namun juga memprediksi dengan arsitektur multilayer yang sering digunakan dengan mencari bobot optimal pada jaringan saraf tiruan. Pada tingkat akademisi penggunaan word embedding sudah banyak dilakukan untuk mencari kesamaan kata ataupun makna. Penelitian ini bertujuan untuk mengoreksi jawaban esai berdasarkan kesamaan makna sebagai alternatif bagi guru dalam menilai ujian. Data yang digunakan adalah data jawaban yang diambil dari pelajaran bahasa Indonesia sebanyak 10 soal dari total 50 siswa. Data jawaban tersebut nantinya akan ditraining dan disimpan kedalam bentuk vektor dengan menggunakan FastText. Sedangkan pemodelan data train sebelumnya menggunakan model corpus wikipedia dengan besaran dimensi vektor 200, n-window 5, dan min-count 3. Dari proses tersebut maka hasil penelitian menunjukkan bahwa dari 500 data yang digunakan didapatkan kombinasi terbaik dimana data training 75% sebesar 375 data dan jumlah data testing 25% sebesar 125 data dengan membandingkan nilai Yaktual dengan Yprediksi menggunakan MAPE (Mean Absolute Percentage Error) sehingga nilai MAPE terbaik yang didapatkan pada hasil pengujian proses training dan testing masing-masing 5% dan 8%. Dari hasil tersebut dapat dilihat bahwa model yang dihasilkan menggunakan algoritma backpropagation untuk melakukan penilaian/koreksi jawaban secara otomatis sangat baik.

Page 1 of 1 | Total Record : 8

 1 

Filter by Year

2022 2022


Reset
Filter By Issues
All Issue Vol. 14 No. 2 (2025) Vol. 14 No. 1 (2025) Vol. 13 No. 3 (2024) Vol. 13 No. 2 (2024) Vol. 13 No. 1 (2024) Vol. 12 No. 3 (2023) Vol. 12 No. 2 (2023) Vol. 12 No. 1 (2023) Vol. 11 No. 3 (2022) Vol. 11 No. 2 (2022) Vol. 11 No. 1 (2022) Vol 11, No 1 (2022) Vol. 10 No. 3 (2021) Vol. 10 No. 2 (2021) Vol 10, No 2 (2021) Vol 10, No 1 (2021) Vol. 10 No. 1 (2021) Vol 9, No 3 (2020) Vol. 9 No. 3 (2020) Vol 9, No 2 (2020) Vol. 9 No. 2 (2020) Vol. 9 No. 1 (2020) Vol 9, No 1 (2020) Vol. 8 No. 3 (2019) Vol 8, No 3 (2019) Vol 8, No 2 (2019) Vol. 8 No. 2 (2019) Vol. 8 No. 1 (2019) Vol 8, No 1 (2019) Vol 8, No 1 (2019) Vol 7, No 3 (2018) Vol. 7 No. 3 (2018) Vol 7, No 3 (2018) Vol. 7 No. 2 (2018) Vol 7, No 2 (2018) Vol. 7 No. 1 (2018) Vol 7, No 1 (2018) Vol 7, No 1 (2018) Vol 6, No 3 (2017) Vol 6, No 3 (2017) Vol. 6 No. 3 (2017) Vol 6, No 2 (2017) Vol. 6 No. 2 (2017) Vol 6, No 2 (2017) Vol. 6 No. 1 (2017) Vol 6, No 1 (2017) Vol 6, No 1 (2017) Vol 5, No 3 (2016) Vol. 5 No. 3 (2016) Vol 5, No 3 (2016) Vol. 5 No. 2 (2016) Vol 5, No 2 (2016) Vol 5, No 2 (2016) Vol 5, No 1 (2016) Vol 5, No 1 (2016) Vol. 5 No. 1 (2016) Vol 4, No 3 (2015) Vol. 4 No. 3 (2015) Vol 4, No 3 (2015) Vol 4, No 2 (2015) Vol 4, No 2 (2015) Vol. 4 No. 2 (2015) Vol 4, No 1 (2015) Vol. 4 No. 1 (2015) Vol 4, No 1 (2015) Vol 3, No 3 (2014) Vol. 3 No. 3 (2014) Vol 3, No 3 (2014) Vol. 3 No. 2 (2014) Vol 3, No 2 (2014) Vol 3, No 2 (2014) Vol 3, No 1 (2014) Vol. 3 No. 1 (2014) Vol 3, No 1 (2014) Vol 2, No 3 (2013) Vol. 2 No. 3 (2013) Vol 2, No 3 (2013) Vol. 2 No. 2 (2013) Vol 2, No 2 (2013) Vol 2, No 2 (2013) Vol 2, No 1 (2013) Vol 2, No 1 (2013) Vol. 2 No. 1 (2013) Vol 1, No 3 (2012) Vol 1, No 3 (2012) Vol. 1 No. 3 (2012) Vol. 1 No. 2 (2012) Vol 1, No 2 (2012) Vol 1, No 2 (2012) Vol 1, No 1 (2012) Vol 1, No 1 (2012) Vol. 1 No. 1 (2012) More Issue