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
Analisis Framing Pemberitaan mengenai Kecerdasan Buatan dalam Sektor Pendidikan di Indonesia Adinugroho, Prasetyo
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.v10i4.9392

Abstract

Teknologi kecerdasan buatan (Artificial Intelligence/AI) semakin mendapatkan perhatian luas dalam sektor pendidikan sebagai inovasi yang mendorong peningkatan kualitas dan efisiensi proses pembelajaran. AI memungkinkan personalisasi pembelajaran adaptif sesuai kebutuhan individu siswa serta memberikan dukungan signifikan kepada guru dalam tugas administratif dan evaluasi. Namun, integrasi AI juga menghadirkan tantangan seperti berkurangnya interaksi sosial dan kemampuan berpikir kritis. Penelitian ini menganalisis framing atau pembingkaian AI dalam pendidikan menggunakan kerangka Robert Entman, dengan fokus pada definisi masalah, penafsiran sebab-akibat, evaluasi moral, dan rekomendasi solusi. Hasil analisis mengungkap dualitas narasi antara optimisme teknologi dan kekhawatiran etis yang berkembang di media dan akademik. Penelitian ini memberikan rekomendasi bagi pembuat kebijakan dan pendidik untuk mengoptimalkan manfaat AI sambil mengelola risiko sosial dan etika. Pendekatan human-centered dengan kebijakan inklusif menjadi kunci sukses integrasi AI di sektor pendidikan ke depan.
THE MODERATING EFFECT OF PERSONAL INNOVATIVENESS ON CURIOSITY AND PERCEIVED VALUE IN THE USE OF AUGMENTED REALITY TO ENHANCE LEARNING PROCESS: AN EXTENDED TECHNOLOGY ACCEPTANCE MODEL (E-TAM) PERSPECTIVE Kende, Noel Carnitos Padang; Inan, Dedi I.; Yusuf, Irfan; Indra, Muhamad
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.v10i4.6709

Abstract

Although various studies have attempted to investigate the use of Augmented Reality (AR) to enhance learning processes, very few are conducted to understand whether it can also ignite the cognitive func-tion. Therefore, study aims to examine personal innovativeness factor as a moderating effect on the relation between the AR and the curiosity and perceived value as the foundation to enhance learning processes by students. This research employes a quantitative method harnessing the Extended Technology Acceptance Model (E-TAM), with adding major and gender as control variables. Data were gathered using purposive sampling with 183 respondents, and analyzed using the PLS-SEM method. The results indicate that albeit personal innovativeness has no significant moderating effect to the relationships, the perceived ease of use, perceived usefulness, perceived of usability and flow experience of AR significantly influence the immersion AR (R2=71.1%), which subse-quently impacts curiosity (R2=40.9%) and perceived value (R2=54.9%), Further analysis also revealed differences in curiosity and perceived value based on gender and major. These findings provide new insights into the factors that influence the effectiveness of AR implementation in education.
Optimasi Akurasi Deteksi Sikap Tangan menggunakan metode Convolutional Neural Network Dewa Saksana, Jidan; Utami, Ema; Fatta, Hanif Al
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.v10i4.6735

Abstract

Penelitian ini akan menggunakan pendekatan berbasis deep learning yang telah terbukti berhasil dalam deteksi sikap tangan, yakni Convolutional Neural Networks (CNN). Studi mengusulkan metode optimasi yang mencakup peningkatan preprocessing data, arsitektur CNN yang disesuaikan, dan strategi augmentasi data untuk meningkatkan model terhadap variasi input. Hasil eksperimen menunjukkan bahwa metode optimasi yang diusulkan berhasil meningkatkan akurasi deteksi gerakan tangan dibandingkan dengan pendekatan standar. Pengujian dilakukan pada dataset publik dengan metrik evaluasi yang berfokus pada akurasi
Deep Learning Approach for Legal Decision Prediction in Divorce Cases Using CNN-LSTM Model Yonia, Dwika Lovitasari; Ariansyah, Ikhsan; Mulyanto, Sigit
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.v10i4.9389

Abstract

Studi ini menggunakan teknik pembelajaran mesin canggih—Memori Jangka Panjang dan Jangka Pendek (LSTM), Hutan Acak, dan Jaringan Saraf Tiruan Konvolusional yang dikombinasikan dengan LSTM (CNN-LSTM)—untuk memprediksi hasil dalam kasus perceraian berkonflik tinggi di Pengadilan Agama. Studi ini mengkaji dampak emosional dan keluarga yang substansial dari perceraian, terutama terhadap anak-anak. Penelitian ini secara metodis mengevaluasi dan membandingkan efikasi model-model ini menggunakan data pengadilan agama, mengungkap kemampuan unik mereka dalam memproses teks hukum yang kompleks. Temuan menunjukkan bahwa meskipun LSTM unggul dalam mengidentifikasi kasus positif, LSTM kurang mampu dalam mengklasifikasikan kasus negatif. Sebaliknya, CNN-LSTM menunjukkan kinerja yang seimbang dalam presisi dan ingatan, membuktikan ketahanannya dalam menangani data kompleks. Hutan Acak juga menunjukkan kinerja yang andal, terutama dalam metrik ingatan. Wawasan ini penting bagi praktisi hukum, menawarkan pemahaman yang mendalam tentang kesesuaian setiap model dalam konteks hukum keluarga. Penelitian ini menggarisbawahi potensi transformatif AI dalam meningkatkan pengambilan keputusan hukum sekaligus menyoroti pentingnya pertimbangan etis dalam integrasi AI ke dalam sistem hukum.
Penerapan Metode Support Vector Machine (SVM) untuk Memprediksi Pemilihan Karir bagi Alumni UMSIDA Qur'ani, Meisyilia Difanada; Setiawan, Hamzah; Kautsar, Irwan Alnarus
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.v10i4.6630

Abstract

The success of a university is not only determined by its educational process but also by the ability of its graduates to get a job. The aim of this research is to develop and evaluate a predictive model using the Support Vector Machine (SVM) method to predict career choices for alumni of the Muhammadiyah University of Sidoarjo (UMSIDA) . This research uses a quantitative approach, in the topic of predicting sample data obtained from tracer data of Umsida students which is compiled into the title "Application of the Support Vector Machine (SVM) Method to Predict Career Choices for UMSIDA Alumni". The model evaluation results show that SVM has very good performance, with high precision, recall and f1-score for the dominant class. Feature importance analysis shows key features that have a significant influence on model decisions, providing valuable insight into the factors that influence alumni career choices. With an overall accuracy of 97%, this model is able to provide appropriate career recommendations for the majority of alumni.
SISTEM PENGELOLAAN DAN ANALISIS PENGELUARAN KEUANGAN PRIBADI Meilani, Reza; Gunawan, Dedi
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.v10i4.7205

Abstract

Maraknya kasus pinjaman online telah membawa dampak signifikan bagi individu yang mengakibatkan kondisi keuangan menjadi tidak teratur. Banyak individu yang terjebak dalam hutang akibat dari kurangnya pemahaman pengelolaan finansial. Tujuan dari penelitian ini yaitu sebagai salah satu upaya untuk mengatasi persoalan tersebut dengan memfasilitasi individu melalui satu perangkat lunak mudah digunakan serta mampu memberikan rekomendasi dan analisis keuangan pribadi. Metode pengembangan sistem yang digunakan dalam penelitian ini adalah metode waterfall, di mana pengembangan dilakukan secara bertahap dan sistematis. Fitur yang ditawarkan aplikasi ini diantaranya pencatatan pendapatan, pencatatan pengeluaran, pengaturan anggaran, pembuatan kategori, kalkulator hutang untuk membantu dalam pengambilan keputusan dengan rekomendasi yang telah ditawarkan, serta menu untuk rekomendasi investasi, dan laporan keuangan. Selain itu sistem ini juga menawarkan fitur dashboard yang berguna untuk melihat track keuangan pengguna. Dari hasil pengujian black box semua fitur yang ditawarkan sudah berjalan dengan semestinya atau valid. Pada pengujian kelayakan sistem yang dilakukan dengan System Usability Scale (SUS) yang diisi oleh 48 responden mendapatkan skor 70 yang berarti aplikasi ini sudah layak untuk digunakan.
ANALISIS PENGARUH KUALITAS UDARA PADA PASIEN COVID-19 DI KOTA JAKARTA, BERLIN DAN HOKKAIDO (IMPLEMENTASI MODEL KLASIFIKASI: NAÏVE BAYES, K-NN, DECISION TREE DAN RANDOM FOREST) Pambudi, Rizky Satya; Wowor, Alz Danny
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.v10i4.6708

Abstract

Kualitas udara mempengaruhi kesehatan masyarakat yang tinggal di kota-kota besar terutama penyakit pernafasan dan kardiovaskular. Penelitian ini bertujuan untuk melihat hubungan antara kualitas udara terhadap tingkat keparahan pasien sindrom pernapasan akut berat (SARS-CoV-2) atau COVID-19 yang baru muncul di wilayah asia timur. Memanfaatkan algoritma klasifikasi Naïve Bayes, K-nearest Neighbor, Decision Tree dan Random Forest untuk mengetahui kontribusi kualitas udara terhadap pasien covid-19. Hasil accuracy terbaik K-Nearest Neighbor dikota berlin kasus dirawat sebesar 99%, precision 79,05% dan recall 79,09%, akurasi Decision Tree kategori positif dikota hokkaido sebesar 88%, precision 70% dan recall 71% dan akurasi Random Forest kasus meninggal dikota jakarta 71%, precision 57% dan recall 59%. K-Nearest Neighbor merupakan model yang efektif dalam menangkap pola data yang kompleks dan Decision Tree dan Random Forest merupakan model yang konsisten dalam mengenali pola data dengan variabilitas data yang tinggi. Hasil identifikasi kualitas udara terhadap tingkat keparahan pasien Covid-19, mengindikasikan korelasi yang kuat terutama di kota jakarta dengan tingkat polusi udara yang relatif tinggi. Disisi lain berlin yang memiliki kualitas udara lebih baik dibanding jakarta, menunjukkan bahwa, meskipun kualitas udara berlin yang relatif baik namun masih berkontribusi terutama untuk kasus dirawat. Kualitas udara dikota Hokkaido yang lebih baik dibanding jakarta dan berlin, mengindikasikan bahwa kualitas udara yang baik dapat memberikan kontribusi dalam mengurangi tingkat keparahan pasien Covid-19.
USING RANDOM FOREST TO PREDICT CATTLE WEIGHT Pramadjaya, Angga; Setiawan, Anjar
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.v10i4.6743

Abstract

The global cattle sector is essential for food provision, livelihood support, economic benefits, land restoration, and energy generation. Precise assessment of cow weight is crucial for farmers to track animal growth, while for traders, ascertaining the exact weight of cattle is imperative for establishing the price of the meat they acquire. This paper introduces an innovative method for predicting cattle weight via the random forest regression technique. This study employs a dataset consisting of thirteen variables: live weight, age, withers height, sacrum height, chest depth, chest width, clock width, hip joint width, slant body length, slant back length, chest circumference, metacarpal thickness, and half of the dorsal surface thickness. The findings indicate that the random forest regression technique produced the most precise predictions of cattle weight, with a mean absolute error (MAE) of 21.902 kg, a mean absolute percentage error (MAPE) of 4.201%, a root mean square error (RMSE) of 29.433 kg, and an R² value of 0.761. The findings underscore the model's efficacy in accurately predicting cattle weight, offering significant insights for agricultural management and commercial trading sectors.
PREDIKSI CURAH HUJAN DENGAN MODEL HYBRID XGBOOST-LSTM BERDASARKAN DATA PENGAMATAN PERMUKAAN Salam, Zulfikar A; Saiku, Ahmad; Buliali, Joko Lianto
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.v10i4.8904

Abstract

Prediksi curah hujan yang akurat sangat penting dalam mitigasi bencana hidrometeorologi, perencanaan sumber daya air, serta sektor pertanian dan infrastruktur. Penelitian ini mengusulkan pendekatan prediksi curah hujan berbasis model hybrid yang mengintegrasikan Extreme Gradient Boosting (XGBoost) dan Long Short-Term Memory (LSTM) dengan tujuan meningkatkan akurasi dan stabilitas prediksi. Model ini dirancang untuk menggabungkan keunggulan XGBoost dalam menangkap hubungan non-linear antarvariabel meteorologi serta kemampuan LSTM dalam mempelajari pola jangka panjang pada data deret waktu.Data yang digunakan dalam penelitian ini diperoleh dari stasiun pengamatan cuaca di BMKG Labuha dan mencakup berbagai parameter atmosferik utama, seperti suhu udara, tekanan, udara, kecepatan angin, serta curah hujan historis. Data tersebut diproses menggunakan teknik pra-pemrosesan yang mencakup normalisasi, deteksi dan penanganan nilai hilang, serta transformasi fitur untuk meningkatkan kualitas input model. Model hibrida yang diusulkan diawali dengan XGBoost untuk melakukan ekstraksi fitur penting dari data cuaca, yang kemudian digunakan sebagai input dalam arsitektur LSTM guna menangkap pola temporal yang kompleks.Hasil eksperimen menunjukkan bahwa model hibrida XGBoost-LSTM secara signifikan mengungguli model tunggal seperti XGBoost, LSTM, serta metode prediksi konvensional seperti regresi linier dan model random forest. Evaluasi menggunakan metrik Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), dan Coefficient of Determination (R²) menunjukkan bahwa model ini mampu meningkatkan akurasi prediksi curah hujan dengan margin yang lebih baik dibandingkan pendekatan lainnya. Selain itu, penelitian ini menyoroti pentingnya pemilihan fitur yang optimal serta strategi penggabungan model untuk menangani ketidakpastian dalam prediksi cuaca. ABSTRACT Accurate rainfall prediction is crucial for mitigating hydrometeoro-logical disasters, water resource planning, and the agricultural and infrastructure sectors. This research proposes a hybrid model-based rainfall prediction approach that integrates Extreme Gradient Boost-ing (XGBoost) and Long Short-Term Memory (LSTM) with the aim of improving prediction accuracy and stability. This model is de-signed to combine the advantages of XGBoost in capturing non-linear relationships between meteorological variables and the ability of LSTM to learn long-term patterns in time series data.The data used in this study were obtained from weather observation stations at BMKG Labuha and include various key atmospheric parameters, such as air temperature, air pressure, wind speed, and historical rainfall. This data is processed using pre-processing techniques that include normalization, missing value detection and handling, and feature transformation to improve the quality of the model input. The proposed hybrid model begins with XGBoost to extract im-portant features from weather data, which are then used as input in the LSTM architecture to capture complex temporal patterns.The experimental results show that the XGBoost-LSTM hybrid model significantly outperforms single models such as XGBoost, LSTM, and conventional prediction methods such as linear regression and random forest models. Evaluation using Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and Coefficient of Determi-nation (R²) metrics shows that this model is able to improve rainfall prediction accuracy with a better margin compared to other ap-proaches. In addition, this study highlights the importance of opti-mal feature selection and model combination strategies to handle uncertainty in weather prediction
EVALUATING USER EXPERIENCE OF THE UNDIKNAS MOBILE APPLICATION WITH USER EXPERIENCE QUESTIONNAIRE (UEQ) Agustini, Ni Wayan Eva; Sudestra, I Made Ardi; Gunawan, I Made Agus Oka; Indrawan, Gede; Dantes, Gede Rasben; Pidada, Ida Ayu Iswari; Hakimi, Musawer
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.v10i4.9350

Abstract

This research aims to evaluate the User Experience (UX) of the Undiknas Mobile application, developed to enhance the academic experience of students at Universitas Pendidikan Nasional (Undiknas). The primary focus of this study is to identify the factors that influence user satisfaction and dissatisfaction, as well as determine the areas that need improvement to enhance the application's UX quality. The research employs the User Experience Questionnaire (UEQ) as the primary tool to assess six key dimensions of user interaction: Attractiveness, Perspicuity, Efficiency, Dependability, Stimulation, and Novelty. Data were collected from 309 respondents, consisting of students from the 2021 cohort of Universitas Pendidikan Nasional (Undiknas), specifically those in their final semester with more experience in using mobile applications. The respondents were selected to ensure that the data collected is valid and representative. The results show that the application achieved average scores of 1.20 for Attractiveness, 1.34 for Perspicuity, and 1.19 for Stimulation, all of which indicate above-average ratings. However, the Efficiency aspect received a lower score of 0.82, and Novelty scored only 0.73, suggesting that these areas need improvement, particularly in enhancing the app’s speed and adding innovative features. These findings indicate that improving the UX design, with a focus on boosting speed and introducing new features, could significantly enhance user satisfaction and engagement. This research provides valuable contributions to the development of digital academic services in Indonesian higher education, offering insights that can be applied to improve the mobile application's interface and functionality.

Page 3 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