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
 5   6   7   8   9 
Search results for , issue "Vol 10, No 4 (2025)" : 128 Documents clear
PENGGUNAAN METODE K-MEDOIDS DALAM PENGELOMPOKAN KEDISIPLINAN KARYAWAN Putra, Nurindra Maidha Manggala; Budiyanto, Utomo
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.v10i4.6985

Abstract

Kedisiplinan erat kaitannya dengan absen masuk dan absen keluar seorang karyawan. Untuk memudahkan perusahaan dalam mengelompokkan karyawan yang disiplin dilakukan penelitian tentang clustering dengan algoritma k-medoids. Metode penelitian yang dilakukan pengumpulan data, pemilihan data, preprocessing data, transformasi data dan data mining.  Pengumpulan terdiri dari 400 data dengan fitur id, nip, nama, golongan, tgl_lahir, tgl, in_absen, out_absen, sta-tus, dan satker. Pemilihan data yaitu fitur yang berhubungan dengan kedisiplinan yaitu nama, in_absen, out_absen, dan status. Preprocessing data pada kolom dan baris tidak ada yang kosong, sehingga tidak ada yang harus dilengkapi dan dihapus. Transformasi data mengubah fitur yang bukan angka menjadi angka, yaitu in_absen (07:33:00 menjadi 0, =07:33:00 menjadi 1, dan tidak absen menjadi 2), out_absen (16:00:00 menjadi 0, =16:00:00 menjadi 1, dan tidak absen menjadi 2) dan status (WFO menjadi    4 dan dinas luar menjadi 5). Pemodelan data mining menghasilkan jumlah cluster sebanyak 2 dengan keterangan cluster 0 sebanyak 181 items dan cluster 1 sebanyak 219 items. Selisih jumlah pembagian pada cluster 0 dan cluster 1 hanya berbeda sedikit. Untuk cluster 0 mempunyai in_absen dan out_absen mempunyai nilai yang sama yaitu 1 (tepat waktu). Sedangan status bernilai 4 yaitu WFO. Nilai centroid table juga dapat terlihat jelas pada diagram plot pada gambar 4 yang menunjukkan bahwa cluster 0 lebih banyak memuat karyawan yang disiplin yaitu karyawan yang in_absen dan out_absen tepat waktu. Hal tersebut bisa menjadi acuan perusahaan dalam penilaian kedisiplinan karyawan.
PENERAPAN METODE MOORA UNTUK MEREKOMENDASI JENIS MAKANAN SEHAT BAGI PENDERITA HIPERTENSI PADA RUMAH SAKIT UMUM DAERAH ABDUL MANAN SIMATUPANG KISARAN Dwiyanti, Filza; Siddik, Mohd; Parini, Parini
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.v10i4.6472

Abstract

Hypertension is a high systolic blood pressure of more than 140 mmHg and diastolic blood pressure of more than 90 mmHg on two measurements with an interval of five minutes in a well-rested state. The first rank is hypertension with 12,362 residents. This is also proven by the number of hypertension visits at the Abdul Manan Simatupang Kisaran Regional General Hospital which has continued to increase over the last 2 years. Therefore, it is necessary to carry out preventive efforts in accordance with the health slogan "Prevention is better than cure". Prevention efforts can be done by changing people's diet. In this case, people are required to be more selective in choosing the food they consume. The ability to make decisions quickly, on target and responsibly will be the key to success in global competition in the future. With information technology, it can help users in the process of making accurate and quality decisions with Multi Objective Optimization by Ratio Analysis (MOORA).
Artificial Intelligence dalam Pendidikan Era Industri 5.0: Tantangan, Interaksi, dan Keberlanjutan Mayasari, Andia Enggar; Sudarmilah, Endah
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.v10i4.8772

Abstract

Perkembangan Artificial Intelligence (AI) di era industri 5.0 telah menciptakan transformasi besar dalam berbagai sektor, termasuk dalam dunia pendidikan. AI menghadirkan potensi baik untuk meningkatkan kualitas pembelajaran, namun juga membawa tantangan kompleks yang melibatkan aspek teknologi, keamanan, dan kesiapan sumber daya manusia. Artikel ini menyajikan kajian melalui pendekatan Systematic Literature Review (SLR) untuk mengeksplorasi tiga bahasan utama : (1) Tantangan penerapan AI dalam dunia pendidikan di era Industri 5.0, (2) Bentuk interaksi antaran manusia dan mesin, serta (3) potensi keberlanjutan hubungan manusia dan mesin dalam dunia pendidikan. Metode SLR digunakan untuk menyeleksi dan menganalisis literatur ilmiah yang relevan, dengan proses seleksi berdasarkan protokol PRISMA. Hasil Kajian menunjukkan bahwa tantangan utama mencakup infrastruktur teknologi yang belum merata, keterbatasan tenaga pengajar yang kompoten, keamanan data serta kebutuhan untuk kurikulum yang adaptif. Interaksi manusia dan mesin telah berkembang dari hubunngan satu arah menjadi kolaborasi yang saling melengkapi dengan didukung teknologi seperti AI, robotika, Extended Reality (XR), blockchain dan Digital Twin (DT). Sementara itu, keberlanjutan hubungan manusia dan mesin dapat terwujud apabila terdapat sinergi antara teknologi dan pendidikan yang inklusif serta pemahaman dan kepercayaan terhadap sistem AI. Kajian ini diharapkan dapat menjadi landasan dalam merancang strategi implementasi AI yang efektif, etis dan berkelanjutan dalam dunia pendidikan.
DESIGNING AN INTERACTIVE LEARNING GAME INTEGRATING LOCAL CULTURAL VALUES TO ENHANCE JAVANESE SCRIPT LITERACY Stiyas, Ayuk Susilaning; Subrata, Heru; Siswanto, M. Bambang Edi; Mariana, Neni; Rachmadyanti, Putri
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.v10i4.9440

Abstract

Interactive Learning Games are one of the learning media used to measure the achievement of student learning objectives. This development research aims to test the feasibility of a product in the form of Interactive Learning Games to improve Javanese literacy. Validation testing was conducted by material experts, media experts, peer review, as well as testing on students with three types of tests including individual tests, small group trials, and large group trials. The Interactive Learning Games were created using Canva without requiring coding skills. The type of research is Research and Development using the ADDIE development model. The research target was grade V students at SDN Urangagung Sidoarjo. Based on the validation results from the media experts, the Interactive Learning Games received an average score of 92.6%, while the validation results from material experts received an average score of 90%. The product test results from peer review received an average score of 90.4% with some improvements, while individual trial tests obtained an average score of 91%, small group trials achieved an average of 87%, and large group trials reached 88%. Based on validation tests from experts, peer reviews, and trials conducted with students, the use of this Interactive Learning Game is feasible for use in the learning process and can also be used as independent assignments.
Klasifikasi Emosi Pada Teks Bahasa Indonesia Menggunakan IndoBERT Rizky, Aditya Saiful; Hidayat, Erwin Yudi
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.v10i4.6602

Abstract

Masalah kesehatan mental telah menjadi tantangan yang mempengaruhi banyak individu di seluruh dunia. Laporan WHO tahun 2018 mencatat peningkatan angka kematian akibat bunuh diri, dengan frekuensi satu kasus setiap 40 detik. Survei Ipsos Global 2023 menunjukkan bahwa 44% responden di 31 negara mengkhawatirkan kesehatan mental, sementara 30% mengidentifikasi stres sebagai isu utama. Di Indonesia, situasi kesehatan mental juga menjadi perhatian serius. Survei I-NAMHS 2022 menemukan bahwa 34,9% remaja menghadapi masalah kesehatan pada mental, tetapi hanya 2,6% dari mereka yang memanfaatkan layanan konseling. Deteksi emosi dalam teks menjadi tantangan karena tidak adanya ekspresi wajah atau modulasi suara. Penelitian ini bertujuan untuk mengklasifikasikan emosi dalam teks berbahasa Indonesia menggunakan model IndoBERT. Dataset yang digunakan terdiri dari 5079 tweet dengan lima label emosi: Marah (Angry), Takut (Fear), Senang (Joy), Cinta (Love), dan Sedih (Sad). Variasi parameter meliputi komposisi pembagian data latih, validasi, dan uji (80:10:10, 75:15:15, dan 60:20:20), serta kombinasi learning rate (1e-2 hingga 1e-7) dan batch size (8, 16, dan 32). Model dilatih selama 25 epoch dengan penerapan early stop dan patience selama 5 epoch. Hasil eksperimen menunjukkan bahwa komposisi pembagian data 80:10:10, learning rate 1e-6, dan batch size 8 menghasilkan klasifikasi yang optimal. Meskipun beberapa percobaan menunjukkan indikasi overfitting, penelitian ini memiliki implikasi penting dalam deteksi dini emosi dan dapat membantu dalam upaya penanganan kesehatan mental.
PEMODELAN TOPIK DENGAN LDA UNTUK MEMAHAMI PERSEPSI PUBLIK TERHADAP APPLE VISION PRO MELALUI ANALISIS BERITA TWITTER Ridat, Al farhan Irhanusa; Isnain, Auliya Rahman
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.v10i4.6500

Abstract

Sebagai salah satu teknologi terbaru yang memperkenalkan pengalaman komputasi spasial melalui realitas virtual dan augmented reality, Apple Vision Pro mendapatkan perhatian luas dari publik. Oleh karena itu, penting untuk memahami bagaimana persepsi publik terhadap perangkat ini terbentuk dan berkembang di media sosial. Penelitian ini bertujuan untuk memahami persepsi publik tentang Apple Vision Pro melalui analisis topik menggunakan metode Latent Dirichlet Allocation (LDA). Data yang digunakan berupa 1.500 tweet terkait Apple Vision Pro yang dikumpulkan dari platform Twitter selama periode 1 Januari hingga 30 April 2024. Proses analisis dimulai dengan pengumpulan data, diikuti oleh tahap preprocessing yang mencakup pembersihan dan normalisasi teks. Setelah itu, corpus dan dictionary dibuat untuk merepresentasikan data dalam bentuk numerik. Model LDA kemudian digunakan untuk mengidentifikasi topik utama dari data yang telah diproses, dengan jumlah topik optimal ditentukan menggunakan Coherence Score. Hasil analisis menunjukkan enam topik utama yang mencakup diskusi mengenai harga, teknologi komputasi spasial, dan penerapan realitas virtual serta augmented reality. Nilai Coherence Score sebesar 0.4646 mengindikasikan bahwa model yang dihasilkan mampu mengelompokkan tema-tema utama dengan cukup koheren, memberikan wawasan mendalam tentang persepsi publik terhadap Apple Vision Pro di media sosial.
IMPLEMENTASI METODE WP PENILAIAN KINERJA GURU DALAM KEGIATAN SUPERVISI PEMBELAJARAN DI SMK SWASTA AL FURQON BATU BARA Zuriana, Zuriana; Handayani, Masitah; Sudarmin, Sudarmin
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.v10i4.6678

Abstract

Al Furqon Batu Bara Private Vocational School is a private school institution located in Batu Bara Regency which consists of 12 teachers. This school has quite complete facilities and is supported by quite complete technological facilities and information systems. Al Furqon Batu Bara Private Vocational School is also included in the model SMK for other schools, because Al Furqon Batu Bara Private Vocational School has many achievements in various fields. Every year, the Principal conducts an assessment of teacher performance in supervision activities to improve quality education. This method aims to determine the level of achievement of teachers in the school. The Teacher Performance Assessment is not only to determine the level of achievement of teachers in the school, but will also be included in the selection of outstanding teachers which is routinely held by the Ministry of Education and Culture starting at the District, Regency/City, Provincial and National levels. However, the problem with determining Teacher Performance Assessment at Al Furqon Batu Bara Private Vocational School is that it is still subjective in the sense that the assessment is carried out conventionally using assessment sheets because there are no assessment aspects used in assessing teacher performance in supervision activities
SMART COMPOSTING SYSTEM: INOVASI IOT UNTUK PENGOLAHAN DAN PEMANTAUAN SAMPAH ORGANIK RUMAH TANGGA Rozaq Rais, Nendy Akbar; Rokhmah, Siti
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.v10i4.9365

Abstract

Proses pengomposan sampah organik rumah tangga kerap menghadapi kendala akibat kurangnya pemantauan terhadap kondisi lingkungan, sehingga kualitas kompos menurun dan waktu penguraian menjadi lebih lama. Penelitian ini mengembangkan sistem Smart Composting Bin berbasis IoT yang dilengkapi sensor suhu, kelembapan udara, kelembapan kompos, serta sensor gas yang terhubung ke platform Blynk untuk pemantauan real-time. Data dikumpulkan selama empat minggu melalui pencatatan otomatis dan dianalisis menggunakan grafik serta tabel. Sistem ini tidak hanya memonitor, tetapi juga menyesuaikan kondisi optimal dengan mengaktifkan pompa air otomatis ketika kelembapan berada di bawah 40% dan mengirimkan notifikasi pada pengguna jika kelembapan kompos lebih dari 60%. Hasil pengujian membuktikan perangkat mampu menjaga suhu pada fase termofilik (50–60 °C) dan kelembapan pada kisaran ideal (55–65%). Evaluasi memperlihatkan bahwa penerapan Smart Composting Bin mempercepat proses dekomposisi, menjaga kestabilan kondisi pengomposan, serta menghasilkan kompos matang lebih cepat dibandingkan metode konvensional. Dengan demikian, penggunaan teknologi IoT terbukti mampu meningkatkan efisiensi dan mutu pengomposan, serta berpotensi diimplementasikan secara luas dalam pengelolaan sampah organik rumah tangga..
OPTIMALISASI MODEL DETEKSI DINI DIABETES DENGAN TEKNIK FEATURES SELECTION Gunawan, Lanyta Setyani; Dewi, Christine
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.v10i4.7006

Abstract

Diabetes merupakan penyakit kronis yang dapat menyebabkan dampak serius jika tidak ditangani sejak dini, termasuk komplikasi seperti kerusakan organ dan penyakit kardiovaskular. Deteksi dini menggunakan teknologi machine learning menjadi salah satu kunci untuk pencegahan dan penanganan yang lebih efektif. Penelitian ini bertujuan untuk mengembangkan model prediksi risiko diabetes dengan menggunakan beberapa algoritma machine learning, seperti Random Forest, Naïve Bayes, Decision Tree, Logistic Regression, dan XGBoost. Dataset "Early Stage Diabetes Risk Prediction" dari UCI, yang terdiri dari 16 fitur dan 520 data, digunakan sebagai dasar pelatihan model. Beberapa teknik seleksi fitur, seperti Analisis Korelasi, Chi-Square, Information Gain, dan Fisher’s Score, diterapkan untuk mengidentifikasi fitur yang paling relevan dan mengurangi kompleksitas model. Evaluasi dilakukan menggunakan metrik seperti Accuracy, Precision, Recall, dan F1 Score. Hasil penelitian menunjukkan bahwa penerapan seleksi fitur secara signifikan meningkatkan performa model, menjadikannya jauh lebih baik dan akurat untuk mendukung deteksi dini risiko diabetes serta pengambilan keputusan medis yang lebih tepat dan responsif.
IMPLEMENTATION OF WORD EMBEDDING IN DETECTING POLITICAL FAKE NEWS IN INDONESIA USING LONG SHORT-TERM MEMORY ALGORITHM Rianansyah, Anggit; Utami, Ema; Ariatmanto, Dhani
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.v10i4.6680

Abstract

This research investigates the use of word embedding techniques to detect political fake news in Indonesia by utilizing the Long Short-Term Memory (LSTM) algorithm. The spread of fake news, particularly in the political realm, poses significant challenges to public trust and the integrity of information. To address these challenges, we employed a dataset of political news articles and applied word embedding to convert the text into a numerical format that represents the semantic relationships between words. The LSTM algorithm, known for its ability to process and learn from sequential data, was then used to identify patterns indicative of fake news. Our model demonstrated satisfactory accuracy, with the LSTM algorithm without word embedding achieving an average accuracy of 67%, while the application of word embedding (Word2Vec, Glove, and FastText) resulted in average accuracies of 84%, 81%, and 86%, respectively. These findings confirm that combining word embedding with LSTM is effective in detecting fake news. This research contributes to ongoing efforts to combat misinformation in Indonesia by providing a robust tool to enhance the reliability of news in the digital age. Further developments, such as the integration of additional linguistic features and the expansion of the dataset, are expected to improve the model’s performance and adaptability across various contexts.

Page 7 of 13 | Total Record : 128

 5   6   7   8   9 

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