cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Rikie Kartadie
Contact Email
rikie@stkippgritulungagung.ac.id
Phone
+6282178785546
Journal Mail Official
jipi@stkippgritulungagung.ac.id
Editorial Address
Jl. Major Sujadi Timur 7, Plosokandang, Kedungwaru, Tulungagung, Kabupaten Tulungagung, Jawa Timurr
Location
Kab. tulungagung,
Jawa timur
INDONESIA
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Published by STKIP PGRI Tulungagung
ISSN : -     EISSN : 25408984     DOI : http://dx.doi.org/10.29100/jipi
Core Subject : Science, Education,
Computer Science & IT Education
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) e-ISSN: 2540 - 8984 was made to accommodate the results of scientific work in the form of research or papers are made in the form of journals, particularly the field of Information Technology. JIPI is a journal that is managed by the Information Technology Program PGRI STKIP Tulungagung. Journal has been indexed by Google Scholar, DOAJ, Academic Keys and others. JIPI has been supervised by RJI (Relawan Jurnal Indonesia).
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 128 Documents
 1   2   3   4   5 
Search results for , issue "Vol 10, No 4 (2025)" : 128 Documents clear
IT GOVERNANCE DESIGN IN IMPROVING THE QUALITY OF DATA AND INFORMATION SECURITY USING COBIT 2019 Setya, Bagus; Muhammad, Alva Hendi; Kurniawan, Mei Parwanto
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.6509

Abstract

This study aims to enhance the quality of data and information security at PT XYZ by developing Information Technology (I.T.) governance based on the C.O.B.I.T. 2019 framework. Data and information security are of utmost importance for Business Continuity in the contemporary digital age, particularly for companies operating in the property development industry, such as PT XYZ. The selection of C.O.B.I.T. 2019 as the framework is based on its comprehensive approach to I.T. governance, encompassing areas such as planning and organizing, acquisition and implementation, delivery and support, and monitoring and evaluation. The objective of this research is to pinpoint deficiencies in existing I.T. governance procedures and provide suggestions for improved measures that may be implemented to strengthen data and information security. The study entails qualitative analysis conducted through comprehensive interviews with essential stakeholders and examination of pertinent documents. An action plan is established based on the findings, which entails deploying an I.T. governance team and formulating more stringent security standards. By implementing the I.T. governance plan derived from C.O.B.I.T. 2019, PT XYZ aims to enhance the quality of data and information security, thus bolstering the company’s long-term viability and expansion
CLASSIFICATION OF CARDIOVASCULAR AND CHRONIC RESPIRATORY DISEASES UTILIZING ENSEMBLE MODELS WITH DATA EXPLORATION TECHNIQUES I Gusti Ngurah Sentana Putra; Amri Luthfi Najih; Unique DA Resiloy; Rachmat Bintang Yudhianto; Erfiani Erfiani; Anwar Fitrianto
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.9311

Abstract

Non-communicable diseases, especially cardiovascular and chronic respiratory conditions, contribute significantly to Indonesia’s healthcare burden and BPJS expenditure. Health claim data often suffer from class imbalance, multicollinearity, and outliers that impair model accuracy. This study evaluates the impact of essential data exploration techniques such as winsorizing, correlation and VIF analysis, variable selection, and SMOTE on the performance of ensemble classifiers. The dataset comprises 497,439 BPJS health insurance claims from 2022, including 27 predictors (14 numerical and 13 categorical). Two data pipelines were compared: one without preprocessing and another incorporating systematic data exploration. Five ensemble models were tested, namely Decision Tree, Extra Trees, Random Forest, XGBoost, and LightGBM. Model performance was assessed using F1-score, balanced accuracy, and G-mean across 20 stratified cross-validations. The results show that preprocessing substantially improves classification fairness and accuracy. Bagging models, particularly Random Forest, achieved the highest improvement, with balanced accuracy and G-mean increasing from around 0.93 to 0.99. Boosting models showed modest gains. These findings highlight that rigorous data exploration enhances ensemble classifier performance, enabling more reliable disease classification and supporting fairer, data-driven decision-making in BPJS health management.
DEVELOPMENT AND EVALUATION OF A MEDICAL RECORD ED- UCATION SYSTEM USING THE WATERFALL MODEL WITH ISO 9126/25010 QUALITY MAPPING Widiyanto, Wahyu Wijaya; Sari, Yayak Kartika; Susanto, Edy
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.9167

Abstract

This study aims to develop and evaluate a Medical Record Education System designed to enhance students’ digital competence in managing electronic medical records (EMRs). Addressing the gap between the- oretical learning and practical application in health informatics educa- tion, the system was developed using the Waterfall model and evaluated through the ISO 9126 software quality framework. A Research and De- velopment (RD) approach was applied at Politeknik Indonusa Surakarta involving 30 final-year students of the Health Information Management program. Data collection included observation, ISO 9126-based ques- tionnaires, and in-depth interviews, analyzed using descriptive and the- matic techniques. The results showed significant improvement in student performance, with pretest–posttest scores increasing from 64.5 to 86.2 after a two-week system trial. The system comprises interactive modules such as patient data entry, diagnosis coding, and auto-report generation. Expert evaluation produced high scores for usability (4.6), functionality (4.4), reliability (4.2), and efficiency (4.3), confirming both educational value and technical feasibility. These findings highlight the role of struc- tured development and quality assessment models in instructional in- novation. The system not only improves learning outcomes but also provides a replicable model for embedding digital transformation into vocational healthcare education.
ANALISIS POLA PENYEBARAN PENYAKIT MENGGUNAKAN PENDEKATAN CLUSTERING HIERARKIS DAN K-MEANS Setiyawan, Dilliana Tugas; Berlilana, Berlilana; Barkah, Azhari Shouni
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.7328

Abstract

Penyebaran penyakit, baik yang bersifat menular maupun tidak menular, merupakan isu penting yang harus diidentifikasi secara tepat untuk mendukung upaya pencegahan dan pengendalian kesehatan masyarakat. Identifikasi pola sebaran penyakit menjadi krusial karena setiap penyakit memiliki karakteristik penyebaran yang berbeda, baik berdasarkan faktor lingkungan, demografi, maupun perilaku masyarakat. Penerapan K-Means Cluster Analysis merupakan metode yang digunakan untuk mengelompokkan data menjadi beberapa kelompok (cluster) berdasarkan kesamaan karakteristik. Selain itu, pendekatan Hierarchical Clustering diterapkan untuk memvisualisasikan hubungan antar data secara hierarkis, memungkinkan analisis yang lebih mendalam. Tujuan penelitian ini adalah untuk menganalisis pola penyebaran penyakit menggunakan pendekatan Clustering Hierarkis dan K-Means. Data dari 35 Puskesmas dianalisis berdasarkan jumlah pasien dan prevalensi penyakit, termasuk Tuberkulosis, Diabetes, Hipertensi, dan penyakit menular lainnya. Hasil penelitian menunjukkan bahwa kedua metode memberikan wawasan yang saling melengkapi. K-Means efektif dalam membagi data menjadi cluster yang merata dan efisien, sementara Hierarchical Clustering memungkinkan identifikasi hubungan hierarkis dan distribusi granular antar Puskesmas
PREDIKSI KONSUMSI ENERGI LISTRIK BERBASIS METODE POHON KEPUTUSAN (STUDI KASUS: UNIVERSITAS WIDYA DHARMA PONTIANAK) Kartini, Paskalia; Tjen, Jimmy
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.6751

Abstract

Seiiring dengan berkurangnya ketersediaan bahan bakar fossil sebagai penghasil utama dari energi listrik, umat manusia modern dituntut untuk dapat mengoptimalkan penggunaan energi listrik secara optimal. Salah satu cara untuk mengoptimalkan penggunaan energi listrik adalah dengan memanfaatkan model berbasis data. Penelitian ini bertujuan untuk membangun algoritma prediksi konsumsi energi listrik dengan menggunakan metode pohon keputusan. Terdapat 6 variasi pohon keputusan yang digunakan dalam penelitian ini: Gradient Boosting-Least Square (GBLS) Gradient Boosting-Bagging (GBB), Random Forest (RF)-10, RF-50, RF-100 dan pohon regresi. Model pohon keputusan yang telah dibangun kemudian divalidasi akurasi model prediktifnya dengan menggunakan data konsumsi energi listrik dari gedung Padre Pio Universitas Widya Dharma Pontianak. Berdasarkan pada hasil percobaan yang dilakukan, metode GBLS merupakan metode yang paling akurat dalam memprediksikan konsumsi energi listrik, dengan akurasi sebesar 90,34%. Lebih lanjut, prediksi konsumsi energi listrik bulanan berbasis algoritma GBLS memiliki kesalahan maksimum sebesar 3 %, dengan kesalahan prediksi tahunan sebesar 0,04%. Hal ini menunjukan potensi dari metode GBLS dalam memprediksikan konsumsi energi listrik dari suatu gedung secara presisi.
PENGARUH DESAIN USER INTERFACE TERHADAP TINGKAT KENYAMANAN PADA PENGGUNA SITUS WEBSITE E-COMMERCE Prasetyo, Ignatius Christanto Wahyu; Kristianto, Budhi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.6583

Abstract

Penggunaan website e-commerce telah memudahkan bagi para pengguna. Namun, meskipun kenyamanan adalah faktor utama yang menciptakan pengalaman positif bagi pengguna, tidak semua situs e-commerce memiliki desain antara pengguna atau User Interface (UI) yang optimal. Desain UI yang baik dapat mempengaruhi sejauh mana pengguna merasa nyaman saat menjelajahi atau mengakses situs website e-commerce. Berdasarkan masalah tersebut penelitian ini bertujuan untuk membuat rancangan desain UI situs e-commerce pada website e-commerce Toko Influencer dengan metode User Centered Design (UCD). Hasil dari penelitian ini dapat disimpulkan bahwa dalam menentukan kenyamanan dan rentensi akses user sebagai konsumen website top-up game itu sangat penting. Hal ini dibuktikan dengan tampilan UI dan UX yang interaktif dan atraktif memiliki daya tarik tersendiri bagi pengguna untuk mengakses situs website e-commerce Toko Influencer.
SMART VISUAL DETECTION BERBASIS DEEP LEARNING DENGAN MENGGUNAKAN METODE ALGORITMA YOLO UNTUK INDENTIFIKASI CACAT PADA PRODUK GARMEN Kusuma, Ajeng Atma; Amin, Rais; Hidayati, Nurul; Sunandar, Agus; Ahsan, Rizka Sarah Heydarina Fathima; Pradani, Rizki Yulianingrum
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.9319

Abstract

Industri garmen merupakan sektor yang sangat bergantung pada ketepatan dan konsistensi dalam menjaga kualitas produk. Namun, proses pemeriksaan cacat pada bahan maupun produk akhir masih banyak dilakukan secara manual, sehingga berpotensi menimbulkan kesalahan dan mengurangi efisiensi produksi. Kondisi ini mendorong perlunya pengembangan sistem deteksi otomatis berbasis teknologi terkini untuk membantu proses quality control. Penelitian ini bertujuan untuk mengembangkan sistem Smart Visual Detection berbasis Deep Learning dengan menggunakan algoritma YOLO (You Only Look Once) sebagai metode utama untuk mengidentifikasi berbagai jenis cacat pada produk garmen. Penelitian ini menggunakan metode deep learning dengan menggunakan algoritma YOLO v11 sebagai sistem utama untuk mendeteksi cacat secara visual pada produk garmen yaitu Rok A-Line, dengan tahapan meliputi pengumpulan data gambar cacat garmen, pelabelan dataset, pelatihan model YOLO, serta pengujian performa sistem dalam mendeteksi jenis dan lokasi cacat pada gambar. Proses pelatihan dilakukan dengan parameter yang disesuaikan agar model dapat mengenali pola cacat seperti robekan, noda, atau ketidakteraturan jahitan secara akurat. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan mampu mendeteksi cacat dengan tingkat akurasi yang tinggi dan waktu pemrosesan yang efisien. Program ini dinilai berhasil berfungsi sebagai alat bantu dalam proses identifikasi cacat produk garmen secara otomatis. Meskipun masih berupa tahap awal, sistem ini berpotensi dikembangkan lebih lanjut menjadi perangkat terintegrasi dengan kamera Industri sehingga dapat diterapkan langsung di lini produksi. Penelitian ini menjadi langkah awal menuju implementasi teknologi Artificial Intelligence dalam meningkatkan efisiensi dan kualitas produksi di industri fesyen. 
OPTIMALISASI MODEL DEEP LEARNING UNTUK MENINGKATKAN AKURASI KLASIFIKASI CITRA MAKANAN KHAS JAWA DAN SUMATERA Dzulqarnain, Azka Faza; Sri Kusuma, Christian
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.7055

Abstract

Indonesia adalah negara yang memiliki kekayaan kuliner yang beragam,namun tantangan dalam mengidentifikasi dan mengklasifikasikanmakanan tradisional semakin meningkat, terutama di kalangan generasimuda. Penelitian ini bertujuan untuk mengoptimalkan model deeplearning dalam meningkatkan akurasi klasifikasi citra makanan khasJawa dan Sumatera menggunakan pendekatan transfer learning. Datasetyang digunakan terdiri dari 595 citra makanan dari 14 provinsi di PulauJawa dan Sumatera. Implementasi dilakukan menggunakan duaarsitektur, yaitu VGG16 dan ResNet50, dengan menerapkan teknikpreprocessing dan augmentasi data untuk meningkatkan kualitas danvariasi dataset. Hasil penelitian menunjukkan peningkatan signifikandibandingkan penelitian sebelumnya yang menggunakan CNN custom(64%), dimana model ResNet50 mencapai akurasi tertinggi sebesar 90%,sementara VGG16 mencapai akurasi 88%. Meskipun menghadapitantangan seperti ketidakseimbangan dataset dan kompleksitas visual,kedua model menunjukkan kemampuan yang baik dalammengklasifikasikan makanan tradisional. Penelitian ini memberikankontribusi dalam pengembangan sistem klasifikasi makanan tradisionalyang lebih akurat, yang dapat membantu upaya pelestarian dan promosiwarisan kuliner nusantara.
DESAIN DAN EVALUASI UI/UX MENGGUNAKAN METODE HEURISTIC EVALUATION: STUDI KASUS RUMKITAL DR. AZHAR ZAHIR MANOKWARI Shafitri, Anisya Najmi; Sanglise, Marlinda; Suhendra, Christian Dwi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.6663

Abstract

 Rumkital dr. Azhar Zahir Manokwari saat ini belum memiliki platform digital yang memadai untuk menyebarluaskan informasi penting, seperti layanan rumah sakit, jadwal dokter, dan informasi lainnya. Penelitian ini bertujuan untuk merancang dan mengevaluasi user interface (UI) dan user experience (UX) website rumah sakit dengan menerapkan metode evaluasi heuristik. Evaluasi ini bertujuan untuk mengidentifikasi masalah kegunaan (usability) dalam antarmuka situs web, yang selanjutnya akan dianalisis untuk meningkatkan kualitas desainnya. Metode yang digunakan adalah evaluasi heuristik, yang melibatkan lima ahli sebagai evaluator. Penilaian dilakukan berdasarkan sepuluh prinsip heuristik yang meliputi kejelasan informasi, kemudahan navigasi, pencegahan kesalahan, dan fleksibilitas penggunaan dengan menerapkan Severity Rating atau skala sangat baik hingga buruk (0-4). Hasil evaluasi menunjukkan bahwa tingkat keparahan masalah tergolong rendah (severity rating 1). Namun, para ahli memberikan umpan balik yang sangat berharga mengenai beberapa aspek desain, seperti penyesuaian ukuran tampilan, penggunaan warna yang lebih efektif, serta penambahan fitur registrasi pasien. Dengan adanya penelitian ini, diharapkan Rumkital dr. Azhar Zahir Manokwari dapat mengembangkan platform yang lebih informatif dan mudah diakses oleh pengguna. Tujuannya adalah untuk meningkatkan pengalaman pengguna secara keseluruhan dan mempermudah akses informasi mengenai layanan rumah sakit, memungkinkan pasien dan pengunjung situs web untuk mendapatkan manfaat yang lebih besar.
ANALISIS PENJUALAN OLI MOTOR DI TOKO KARUNIA MOTOR AMBARAWA MENGGUNAKAN METODE DECISION TREE Pradana, Galih Bintang; Nugroho, Adi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 4 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i4.6738

Abstract

Pesatnya pertumbuhan kendaraan bermotor mengakibatkan seringnya dilakukan pergantian oli mesin sesuai dengan jadwalnya semisal 3-4 bulan sekali. Tingginya jumlah permintaan pihak Toko Karunia Motor Ambarawa perlu membuat kebijakan untuk strategi pemasaran. Berdasarkan permasalahan tersebut dibutuhkannya sebuah penelitian untuk membantu pihak toko dalam hal prediksi penjualan oli motor. Penilitian ini menggunakan metode decision tree. Berdasarkan hasil akurasi menyatakan bahwa hasil accuracy pada perhitungan yang didapat sebesar 65,12% yang artinya data yang diklasifikasikan pada produk laris nilai presicion sebesar 64.52% dan pada produk kurang laris nilai presicion sebesar 66.52 dengan recall 83.33%.

Page 1 of 13 | Total Record : 128

 1   2   3   4   5 

Filter by Year

2025 2025


Reset
Filter By Issues
All Issue Vol 11, No 1 (2026) Vol 10, No 4 (2025) Vol 10, No 3 (2025) Vol 10, No 2 (2025) Vol 10, No 1 (2025) Vol 9, No 4 (2024) Vol 9, No 3 (2024) Vol 9, No 2 (2024) Vol 9, No 1 (2024) Vol 8, No 4 (2023) Vol 8, No 3 (2023) Vol 8, No 2 (2023) Vol 8, No 1 (2023) Vol 7, No 4 (2022) Vol 7, No 3 (2022) 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 02 (2016) Vol 1, No 01 (2016) More Issue