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 646 Documents
 45   46   47   48   49 
Evaluasi Usability dan User Experience LMS OASE Universitas Udayana Menggunakan Metode Tuxel 2.0 I Putu Adi Purnawan; I Ketut Gede Darma Putra; Ni Kadek Dwi Rusjayanthi
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 10 No. 3 (2021)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v10i3.40670

Abstract

Usability dan User Experience adalah aspek penting untuk mengukur tingkat kemudahan pengguna dalam mengoperasikan suatu website, terutama website yang khusus digunakan untuk memfasilitasi proses pembelajaran yang biasa disebut dengan Learning Management System (LMS). Tujuan dari penelitian ini adalah untuk mengetahui usability dan user experience pada website LMS OASE dan rekomendasi perbaikannya. Metode yang digunakan dalam penelitian ini adalah TUXEL 2.0, dengan tiga dimansi utamanya yaitu General Usability, Pedagogical Usability, dan User Experience. Pengumpulan data dilakukan dengan menggunakan kuesioner yang telah divalidasi kemudian dibagikan kepada responden dengan pengambilan sampel menggunakan teknik non-probability sampling. Data yang telah diperoleh selanjutnya dianalisis dengan metode analisis deskriptif. Hasil yang diperoleh dari proses evaluasi pada desain OASE lama ditemukan sepuluh permasalahan pada dimensi General Usability, delapan permasalahan pada dimensi Pedagogical Usability, dan tiga variabel User Experience dengan kategori tingkat persepsi negatif. Setelah dilakukan perbaikan desain, hasil evaluasi desain solusi OASE menjadi lebih baik, hanya ditemukan satu masalah pada dimensi General Usability, satu masalah pada dimensi Pedagogical Usability, dan semua variabel User Experience mendapat kategori tingkat persepsi positif.
Performance Comparison of Supervised Learning Using Non-Neural Network and Neural Network Djarot Hindarto; Handri Santoso
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 1 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i1.40768

Abstract

Currently, the development of mobile phones and mobile applications based on the Android operating system is increasing rapidly. Many new companies and startups are digitally transforming by using mobile apps to provide disruptive digital services to replace existing old-fashioned services. This transformation prompted attackers to create malicious software (malware) using sophisticated methods to target victims of Android phone users. The purpose of this study is to identify Android APK files by classifying them using Artificial Neural Network (ANN) and Non-Neural Network (NNN). ANN is a Multi-Layer Perceptron Classifier (MLPC), while NNN is a method of KNN, SVM, Decision Tree. This study aims to make a comparison between the performance of the Non-Neural Network and the Neural Network. Problems that occur when classifying using the Non-Neural Network algorithm have problems with decreasing performance, where performance is often decreased if done with a larger dataset. Answering the problem of decreasing model performance, the solution is used with the Artificial Neural Network algorithm. The Artificial Neural Network Algorithm selected is Multi_layer Perceptron Classifier (MLPC). Using the Non-Neural Network algorithm, K-Nearest Neighbor conducts training with the 600 APK dataset achieving 91.2% accuracy and training using the 14170 APK dataset decreases its accuracy to 88%. The use of the Support Vector Machine algorithm with the 600 APK dataset has 99.1% accuracy and the 14170 APK dataset has decreased accuracy to 90.5%. The use of the Decision Tree algorithm to conduct training with a dataset of 600 APKs has an accuracy of 99.2% and training with a dataset of 14170 APKs has decreased accuracy to 90.8%. Experiments using the Multi-Layer Perceptron Classifier have increased accuracy performance with the 600 APK dataset achieving 99% accuracy and training using the 14170 APK dataset increasing the accuracy reaching 100%.
Identifikasi Jenis Kayu Berdasarkan Fitur Tekstur Local Binary Pattern Menggunakan Metode Learning Vector Quantization Ni Made Yeni Dwi Rahayu; Made Windu Antara Kesiman; I Gede Aris Gunadi
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 10 No. 3 (2021)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v10i3.40804

Abstract

Pada umumnya pengenalan jenis kayu masih dilakukan dengan menggunakan indera penglihatan dan penciuman. Hal tersebut dapat mempengaruhi proses jual beli dimana waktu yang dibutuhkan untuk pengenalan kayu menjadi lebih lama sehingga menyebabkan proses bisnis menjadi kurang efektif. Penelitian ini bertujuan untuk membangun suatu model machine learning untuk proses identifikasi jenis kayu berdasarkan fitur teksur citra pada kayu. Metode Local Binary Pattern (LBP) digunakan dalam proses ekstraksi ciri untuk menghasilkan vektor ciri yang dijadikan data input pada proses klasifikasi citra dengan menggunakan metode Learning Vector Quantization (LVQ). Parameter yang digunakan pada metode LBP meliputi numpoint dan radius dengan nilai 1 sampai 10. Hasil penelitian dari metode ini didapatkan akurasi tertinggi 68,33% pada numpoint 2 dan radius 1. Hasil pengujian yang cukup rendah dapat dipengaruhi oleh beberapa faktor yaitu jumlah citra latih dan terdapat beberapa citra kayu memiliki pola yang hampir sama.
Augmented Reality dalam Media Pembelajaran Tata Cara Berwudhu dan Tayamum Ayu Latifah; Ridwan Setiawan; Arfan Muharam
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 10 No. 3 (2021)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v10i3.40869

Abstract

In Islamic religious education, especially in the procedures for purification where ablution and tayammum are very important because these are mandatory requirements in carrying out prayers. Often the procedures for ablution and tayammum are not understood properly and correctly because the process of delivering the material is still using conventional methods with media in the form of books that are less interesting and interactive. The purpose of making an application for purification procedures using Augmented Reality as a visual learning medium that can be understood by users, namely early childhood and emphasizes the importance of ablution and tayammum in Islam. The Multimedia Development Life Cycle method is used in making this application with six stages carried out starting from concept generation, design, material collection, manufacture, alpha and beta testing and the last stage in the form of distribution of applications that have been built. The results of this study can be used as an alternative learning media with interactive features using augmented reality which discusses how to perform ablution and tayammum properly and correctly in worship according to Islamic law.
Komparasi Metode Klasifikasi Batik Menggunakan Neural Network Dan K-Nearest Neighbor Berbasis Ekstraksi Fitur Tekstur Badroe Zaman
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 1 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i1.41220

Abstract

Batik tulis adalah hasil seni budaya yang memiliki keindahan visual dan mengandung makna filosofis pada setiap motifnya. Motif batik tulis berkembang sejalan dengan perkembangan jaman dan kehidupan masyarakat. Motif batik tulis memiliki bentuk yang sangat beragam dan memiliki tingkat kompleksitas yang tingi sehingga menjadi kesulitan tersendiri dalam pengelompokan kelas batik tertentu. Klasifikasi citra ke dalam kelas tertentu juga menjadi permasalahan yang pelik dalam bidang pengenalan pola. Metode machine learning dapat digunakan untuk mengenali kelas batik melalui pengenalan citra batik. Namun belum banyak penelitian terkait studi komparasi klasifikasi citra batik. Sehingga penelitian ini berfokus pada data set citra batik tulis yang menggunakan dua motif yaitu motif klasik dan motif kontemporer. Pada penelitian ini, fitur ekstraksi menjadi dasar klasifikasi dengan metode Backpropagation Neural Network dan k-Nearest Neighbor. Tujuan dari penelitian ini untuk menemukan pola baru dalam data dengan menghubungkan pola data yang sudah ada dengan data yang baru. Selanjutnya, penelitian ini melakukan perbandingan metode klasifikasi antara Backpropagation Neural Network dan k-Nearest Neighbor untuk mencari metode klasifikasi terbaik untuk klasifikasi Batik tulis Bakaran. Hasil dari studi komparasi menunjukkan bahwa metode Backpropagation Neural Network memperoleh nilai akurasi 90,11% sedangkan metode k-Nearest Neighbor mendapatkan nilai akurasi 96,00%. Sehingga dapat di simpulkan bahwa metode k-Nearest Neighbor merupakan metode terbaik untuk klasifikasi citra batik bakaran.
Pengembangan Sistem Informasi Registrasi Mahasiswa Baru dengan Metode Analisis Gugus Kendali Mutu Santo Wijaya; Marta H.R.S.R. Sari; Adian Wihariono Putera
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 10 No. 3 (2021)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v10i3.41763

Abstract

Pendidikan sebagai industri produk dan jasa berbasis ilmu pengetahuan dan keterampilan menghadapi persaingan yang semakin kompetitif dengan banyaknya institusi baik dalam dan luar negeri yang operasional di Indonesia. Untuk meningkatkan daya saing, maka utilisasi teknologi informasi khususnya di era revolusi industri 4.0 menjadi kunci penting. Penelitian ini bertujuan untuk mengembangkan Sistem Informasi Registrasi Mahasiswa Baru (SIRMB) menggunakan kerangka open-source web-based application serta integrasinya dengan teknologi Application Programming Interface (API) Bank BNI menjadikan layanan administrasi yang terotomasi. Proses identifikasi masalah sampai perancangan solusi SIRMB menggunakan analisis gugus kendali mutu (QCC) dengan pendekatan metode Plan-Do-Check-Action (PDCA) sehingga menjamin perbaikan yang berkesinambungan. Penelitian ini berkontribusi terhadap perbaikan 76.9% terhadap proses kerja dengan eliminasi proses kerja manual registrasi mahasiswa baru, sehingga memberikan peningkatan kualitas layanan dan peningkatan produktivitas secara keseluruhan.
Perbandingan Algoritma Genetika dengan Algoritma Steepest Ascent Hill Climbing untuk Optimasi Penjadwalan Kuliah Luh Putu Sri Ardiyani
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 1 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i1.43172

Abstract

Penjadwalan mata kuliah mutlak harus ada dan sangat penting dalam suatu universitas karena sudah menjadi dasar agar agenda perkuliahan berjalan dengan lancar.Banyak kendala yang dihadapi ketika membuat penjadwalan mata kuliah seperti banyaknya jadwal mata kuliah yang harus disusun, jumlah ruangan yang terbatas, dan kesanggupan dosen untuk mengajar pada jadwal tertentu, sehingga dapat menyebabkan bentroknya jadwal mata kuliah.Dengan adanya masalah penjadwalan mata kuliah maka perlu penjadwalan secara otomatis yang menggunakan berbagai macam metode diantaranya metode algoritma genetika dan algoritma steepest ascent hill climbing. Pada penelitian ini akan dilakukan perbandingan algoritma genetika dan algoritma steepest ascent hill climbing untuk optimasi penjadwalan kuliah karena kedua algoritma ini fleksibel dan sanggat cocok digunakan untuk memecahkan masalah yang memiliki banyak solusi untuk dapat dipilih solusi yang paling baik.Tujuan dari penelitian ini adalah untuk mengetahui algoritma mana yang mempunyai kinerja komputasi (kecepatan waktu eksekusi) dan hasil yang lebih baik dalam menyelesaikan masalah penjadwalan mata kuliah. Data yang digunakan diambil dari Program Studi S1 Akuntansi Fakultas Ekonomi Universitas Ganesha pada semester gasal tahun akademik 2020/2021 karena program studiini memiliki jumlah mahasiswa yang banyak, jumlah ruangan yang terbatas serta pembuatan jadwal perkuliahan masih mengunakan cara manual dengan menggunakan micrososft excel.
Usability Testing pada Sistem Informasi Manajemen AKN Pacitan Menggunakan Metode System Usability Scale Kurnianto Tri Nugroho; Bagus Julianto; Danny Febryan Nur MS
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 1 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i1.43209

Abstract

Penerapan smart campus pada Akademi Komuntias Negeri (AKN) Pacitan, salah satunya bertujuan untuk meningkatkan pelayanan publik. Sistem informasi manajemen merupakan bagian dari smart campus yang ada pada AKN Pacitan. Untuk mengetahui kualitas layanan dari pandangan pengguna sistem informasi ini, maka dibuatlah suatu pengujian usability. Usability merupakan analisis kualitatif dalam menentukan kualitas suatu sistem informasi berdasarkan kemudahan user dalam menggunakan sistem informasi. Tujuan dari penelitian ini adalah untuk menganalisis tingkat usability pada sistem informasi manajemen AKN Pacitan. Sejauh ini terdapat beberapa metode dalam evaluasi salah satunya adalah metode System Usability Scale (SUS). Populasi penelitian ini adalah dosen, staff dan mahasiswa AKN Pacitan, menggunakan probability sampling  sebagai teknik pengambilan data. Data penelitian ini diambil dengan menggunakan kuisioner dan dianalisis menggunakan metode analisis deskriptif. Berdasarkan hasil pengujian usability, mayoritas responden menggunakan dan memanfaatkan sistem informasi ini dengan baik. Hal ini dibuktikan dengan total hasil nilai pengujian sebesar 71,48. Dari segi acceptability range sistem informasi ini masuk ke kategori acceptable, sedangkan pada grade scale berada pada posisi grade C dan pada adjective rating berada pada posisi good.  Dapat disimpulkan bahwa sistem informasi ini dapat dijadikan alat bantu perkuliahan khususnya untuk memasukan jurnal kuliah, presensi dan nilai.
Optimasi Algoritma Data Mining Menggunakan Backward Elimination untuk Klasifikasi Penyakit Diabetes Muhammad Abid Wiratama; Windha Mega Pradnya
Jurnal Nasional Pendidikan Teknik Informatika : JANAPATI Vol. 11 No. 1 (2022)
Publisher : Prodi Pendidikan Teknik Informatika Universitas Pendidikan Ganesha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/janapati.v11i1.45282

Abstract

Diabetes Mellitus (DM) adalah penyakit metabolik kronis yang ditandai  dengan peningkatan kadar gula darah, yang dengan seiring berjalannya waktu akan menyebabkan kerusakan pada organ tubuh lainnya. Menurut situs resmi Word Health Organization (WHO) sekitar 422 juta orang di seluruh dunia menderita diabetes. Di Indonesia sendiri menurut situs databox, Indonesia menempati urutan ke-5 kasus diabetes terbanyak di dunia. Keterlambatan dalam diagnosis penyakit diabetes adalah satu penyebab terjadinya lonjakan jumlah kematian maka dari itu tindakan awal yang harus dilakukan adalah deteksi dini.. Dari banyaknya kasus tersebut maka dihasilkan data pasien diabetes yang dapat diolah. Tujuan penelitian ini adalah untuk mengetahui algoritma klasifikasi terbaik dari akurasi dan nilai AUC tertinggi untuk melakukan deteksi dini penyakit diabetes. Algoritma yang akan teliti adalah algoritma KNN, Naïve Bayes, dan C4.5. Algoritma akan dilakukan optimasi menggunakan metode backward elimination. Metode penelitian penelitian ini akan diselesaikan menggunakan metode CRISP-DM. Hasil penelitian adalah model sebelum dioptimasi adalah algoritma KNN akurasi 92,8% dan auc 0,942, algoritma Naïve Bayes akurasi 88,0% dan auc 0,912, , algoritma C4.5 akurasi 96,7% dan auc 0,956, sedangkan hasil model setelah dioptimasi adalah algoritma KNN akurasi 97,6%dan auc 0,973, algoritma Naïve Bayes akurasi 89,4% dan auc 0,958, algoritma C4.5 akurasi 97,5% dan auc 0,988. Kesimpulan dari penilitian ini adalah algoritma terbaik dari akurasi adalah algoritma KNN yang sudah dioptimasi dengan akurasi 0,976 dan dari auc yang dihasilkan adalah algoritma C4.5 yang sudah dioptimasi dengan nilai auc 0,988.
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.

Page 47 of 65 | Total Record : 646

 45   46   47   48   49 

Filter by Year

2012 2025


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