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 65 Documents
 1   2   3   4   5 
Search results for , issue "Vol 11, No 1 (2026)" : 65 Documents clear
KLASIFIKASI DAUN HERBAL BERTULANG MENYIRIP MENGGUNAKAN K-NEAREST NEIGHBOR Putri Wardhani, Lintang Sari; Sari, Anggraini Puspita; Maulana, Hendra
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7840

Abstract

Indonesia memiliki kekayaan keanekaragaman hayati, termasuk berbagai jenis tanaman herbal yang dimanfaatkan untuk pengobatan tradisional. Salah satu bagian tanaman yang sering dimanfaatkan ada-lah daun, karena kandungan senyawa bioaktifnya dan kemudahan da-lam pengolahan. Namun, proses identifikasi daun herbal sering men-galami kendala karena kemiripan bentuk antar jenis daun. Untuk mengatasi tantangan tersebut, penelitian ini mengembangkan sistem klasifikasi daun herbal bertulang menyirip menggunakan algoritma K-NN yang dikombinasikan dengan ekstraksi fitur berbasis deep learning menggunakan arsitektur ResNet-50. Penelitian dilakukan dengan mengumpulkan 600 citra daun dari empat jenis tanaman herbal. Citra mengalami tahapan praproses, ekstraksi fitur menggunakan ResNet-50, vektor fitur yang dihasilkan diklasifikasikan menggunakan K-NN dengan berbagai parameter. Evaluasi dilakukan menggunakan confu-sion matrix, akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa skenario terbaik diperoleh pada kombinasi metrik Euclidean dengan nilai k = 5, pembobotan uniform, dan proporsi data latih-uji 70:30, menghasilkan akurasi sebesar 98,61%. Temuan ini menunjuk-kan bahwa kombinasi metode K-NN dan ekstraksi fitur ResNet-50 dapat mengklasifikasi daun herbal dengan akurasi tinggi, serta mem-iliki potensi untuk diterapkan secara luas dalam sistem identifikasi tanaman berbasis citra digital.
OPTIMASI PUSAT CLUSTER K-PROTOTYPES PADA PENGELOMPOKAN PENERIMAAN BANTUAN REHABILITASI RUTILAHU DI KOTA SURABAYA Ningrum, Lisya Septyo; Hindrayani, Kartika Maulida; Jauharis Saputra, Wahyu Syaifullah
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7656

Abstract

Clustering merupakan teknik penting dalam data mining yang digunakan untuk mengelompokkan data berdasarkan kesamaan karak-teristik. Algoritma K-Prototypes sering digunakan pada data bertipe campuran karena mengombinasikan K-Means untuk atribut numerik dan K-Modes untuk atribut kategorikal. Namun, kinerjanya sangat ber-gantung pada inisialisasi pusat klaster awal. Penelitian ini men-gusulkan penerapan tiga algoritma optimasi yaitu Particle Swarm Op-timization (PSO), Genetic Algorithm (GA), dan Flower Pollination Algorithm (FPA) untuk meningkatkan performa K-Prototypes dalam pengelompokan calon penerima program rehabilitasi Rumah Tidak Layak Huni (Rutilahu) di Kota Surabaya. Evaluasi dilakukan menggunakan Davies-Bouldin Index (DBI), Silhouette Score, dan wak-tu komputasi. Berdasarkan hasil penelitian menunjukkan bahwa PSO memberikan hasil terbaik dengan DBI terendah sebesar 0,6467, Silhou-ette Score tertinggi sebesar 0,5498, dan waktu komputasi tercepat yaitu 23,5168 detik. GA menghasilkan DBI tertinggi sebesar 0,7134, Silhou-ette Score sebesar 0,5143, serta waktu komputasi terlama yaitu 7220,6384 detik. FPA memiliki DBI 0,6467 dan Silhouette Score yang sama dengan PSO, tetapi dengan waktu komputasi sebesar 3415,9175 detik. Dengan demikian, PSO terbukti paling efektif dalam meningkat-kan akurasi dan efisiensi clustering K-Prototypes, serta mendukung distribusi bantuan yang lebih adil dan tepat sasaran.
Implementasi Pemodelan Topik BERTopic dan Analisis Sentimen BERT terhadap Ulasan Aplikasi Satusehat Berbasis Natural Language Processing Lanjutan Anggiyanti, Jennieta Neysa; Papilaya, Frederik Samuel
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7633

Abstract

Aplikasi PeduliLindungi yang berubah menjadi Aplikasi SATUSEHAT, terus memiliki perkembangan fitur sebagai penyedia layanan kesehatan digital. Faktor utama aplikasi digunakan kembali yaitu adanya program pemerintah yaitu pemeriksaan kesehatan gratis tahunan. Penelitian ini bertujuan untuk menganalisis respons pengguna terhadap Aplikasi SATUSEHAT menggunakan BERT untuk analisis sentimen dan BERTopic untuk pemodelan topik berbasis NLP lanjutan. Analisis sentimen menggunakan BERT berfungsi untuk menganalisis kecenderungan sentimen positif dan negatif terhadap ulasan aplikasi, sedangkan BERTopic untuk untuk mengelompokkan dan mengidentifikasi topik pada ulasan pengguna. Hasil penelitian analisis sentimen dengan tingkat akurasi sebesar 95%, menunjukkan bahwa opini pengguna cenderung negatif yang berpusat pada topik kebergunaan dan aksesibilitas aplikasi berdasarkan hasil analisis pemodelan topik dengan nilai koherensi sebesar 0,6101. Pengalaman pengguna yang kurang optimal menandakan bahwa perlu adanya perbaikan dan peningkatan kualitas layanan pada Aplikasi SATUSEHAT. Selain itu, penelitian ini menunjukkan bahwa adanya efektivitas integrasi analisis sentimen menggunakan BERT dengan pemodelan topik menggunakan BERTopic dalam proses evaluasi respons masyarakat terhadap kebijakan teknologi di sektor kesehatan.
IMPLEMENTASI SISTEM INFORMASI TERINTEGRASI BERBASIS WEB UNTUK TRANSFORMASI DIGITAL PENGELOLAAN SANTRI DAN KEUANGAN DI TPQ AN-NIHAYATUS SAIDAH Ikromi, Kurnia Putri Gita; Mauladi, Kemal Farouq; Wahyudi, M. Hasan
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7999

Abstract

Penelitian ini bertujuan untuk merancang dan mengevaluasi sistem informasi berbasis web pada TPQ An-Nihayatus Saidah guna mem-permudah proses administrasi dan pemantauan data santri, guru, serta kegiatan pembelajaran. Permasalahan utama yang dihadapi adalah ku-rangnya efisiensi dalam pengelolaan data yang masih dilakukan secara manual, serta terbatasnya akses informasi bagi wali santri. Metode pengembangan sistem menggunakan pendekatan waterfall yang men-cakup analisis kebutuhan, perancangan, implementasi, dan pengujian. Evaluasi sistem dilakukan melalui penyebaran kuesioner kepada 31 responden yang terdiri dari admin, guru, dan wali santri untuk menge-tahui tingkat kepuasan dan efektivitas sistem. Hasil pengujian menun-jukkan bahwa sistem mendapatkan penilaian sangat baik dari semua kelompok pengguna dengan rata-rata skor di atas 4,5 pada skala Likert. Fitur-fitur seperti manajemen absensi, nilai, jadwal, serta monitoring perkembangan santri dinilai sangat membantu dalam mendukung pros-es pembelajaran dan pelaporan. Simpulan dari penelitian ini adalah bahwa sistem informasi yang dikembangkan telah berhasil meningkat-kan efisiensi operasional dan memberikan kemudahan akses informasi bagi seluruh pihak yang terlibat di TPQ. Sistem ini juga dinilai layak digunakan sebagai media digitalisasi pendidikan di lingkungan TPQ dan memiliki potensi untuk terus dikembangkan sesuai kebutuhan pengguna Kata Kunci: Sistem Informasi, TPQ, Digital-isasi, Web-Based, Evaluasi Pengguna
PENERAPAN K-MEDOIDS UNTUK MENGELOMPOKKAN HARGA JUAL IKLAN Kristiyantho, Yutdhi; Triyono, Gandung; Novandy, Axel
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7414

Abstract

Penjualan dan pemesanan produk berupa iklan menjadi hal yang sangat penting nilainya bagi perusahaan. Peningkatan penjualan iklan akan mempengaruhi keuntungan dan pemasukan perusahaan. Pada penelitian dalam pengelompokkan harga penjualan menggunakan metode k-medoids dengan tahapan analisis data sebanyak 500 data, pra-pemrosesan (preprocessing) data dengan tahapan data cleaning atau pembersihan dari data yang tidak valid, salah, atau kosong. Kemudian transformasi data dengan mengubah platform online menjadi 0 dan print menjadi 1. Tahapan selanjutnya adalah perhitungan manual dengan algoritma k-medoids dan implementasi pada aplikasi rapidminer. Pengelompokkan menghasilkan 2 cluster yaitu cluster 1 berjumlah 68 items dan cluster 2 berjumlah 432 items. Harga yang terdiri dari (before_discount, after_discount, tax, dan after tax) dari cluster 1 lebih tinggi dari cluster 2. Cluster 1 juga mempunyai jumlah kelompok data yang lebih sedikit dibandingkan dengan cluster 2. Hal ini menunjukkan bahwa harga mempengaruhi penjualan iklan, harga yang murah akan lebih banyak dipesan. Sedangkan platform dengan nilai 0 atau online  lebih banyak dipesan oleh cluster 2 dengan data pengelompokkan terbanyak. Hal ini juga menunjukkan bahwa online lebih banyak dipesan karena banyak terdapat pada cluster 2. Hasil tersebut dapat menjadi acuan bagi perusahaan untuk menentukan kebijakan dan strategi dalam penjualan atau pemesanan iklan agar lebih banyak mendapatkan keuntungan dan pemasukan.
OPTIMALISASI PROSES DATA MINING MENGGUNAKAN SOCIAL SPIDER OPTIMIZATION DALAM PENILAIAN KINERJA ASISTEN DOSEN Fadli, Muhammad; Riskiono, Sampurna Dadi; Damayanti, Damayanti
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7830

Abstract

Penilaian kinerja asisten dosen yang masih dominan bersifat subjektif dan deskriptif menjadi tantangan dalam menjamin kualitas pembelajaran di perguruan tinggi. Penelitian ini bertujuan mengembangkan model prediksi penilaian kinerja asisten dosen yang objektif dan akurat melalui integrasi data mining dengan optimasi algoritma metaheuristik. Pendekatan yang diusulkan menggabungkan Deep Neural Network (DNN) sebagai model klasifikasi dengan algoritma Social Spider Optimization (SSO) untuk mengoptimalkan arsitektur dan hiperparameter jaringan. Dataset Teaching Assistant Evaluation (TAE) dari UCI Machine Learning Repository dengan 151 sampel dan empat fitur numerik digunakan sebagai sumber data. Hasil eksperimen menunjukkan bahwa model DNN yang dioptimasi SSO mencapai akurasi 89% dengan performa yang seimbang pada ketiga kelas kinerja (Low: 80%, Medium: 91%, High: 89%), mengungguli model baseline DNN tanpa optimasi yang hanya mencapai akurasi 78% dan gagal mengenali kelas Low (0% untuk seluruh metrik). Optimasi SSO terbukti efektif dalam menemukan konfigurasi jaringan optimal (dua hidden layer dengan 24 dan 16 neuron) serta parameter yang mampu mengatasi ketimpangan kinerja antar kelas. Temuan ini membuktikan bahwa integrasi SSO dengan DNN memberikan peningkatan signifikan dalam akurasi dan stabilitas model prediksi, sehingga berpotensi menjadi dasar pengembangan sistem penilaian kinerja asisten dosen yang lebih transparan, objektif, dan berbasis bukti di lingkungan perguruan tinggi.
Identifikasi Prioritas Penanggulangan Pascabencana Menggunakan Metode MARCOS dengan Pembobotan ROC Novian, Fadhil Naufal Maifino; Artagautama, Dewa Ramadhan; Pinem, Agusta Praba Ristadi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7090

Abstract

Penanggulangan pascabencana merupakan salah satu tahapan yang krusial dalam mitigasi bencana. Selain menyiapkan proses yang cepat, hal penting lainnya adalah mempertimbangkan data yang akurat dalam menentukan prioritas penanganan. Prioritas penanganan berbasis data merupakan salah satu elemen penting yang dapat meminimalkan dampak lanjutan. Data yang tepat dapat membantu dalam mengidentifikasi daerah yang paling prioritas dalam penanganan segera agar alokasi sumber daya menjadi efisien. Salah satu cara menghasilkan data yang akurat dan mendukung pengambilan keputusan adalah penggunaan Sistem Pendukung Keputusan (SPK). Sistem Pendukung Keputusan (SPK) merupakan salah satu alternatif dalam menghasilkan informasi atau data untuk mendukung pengambilan keputusan. Dalam penelitian ini menggunakan metode Measurement of Alternatives and Ranking Menurut Compromise Solution (MARCOS) yang dikombinasikan dengan teknik pembobotan Rank Order Centroid (ROC) bertujuan dapat membantu dalam menentukan prioritas penanggulangan pascabencana sehingga proses penanggulangan bencana lebih tepat sasaran. Penelitian ini membandingkan hasil validasi metode dengan data fakta atau data kejadian. Hasil penelitian menunjukkan prioritas utama dalam penggulangan pascabencana di Provinsi Jawa Tengah dan Provinsi Daerah Istimewa Yogyakarta, yaitu Kabupaten Klaten dengan nilai akhir 99,071 dan Kabupaten Bantul dengan nilai akhir 82,275. Selain itu, nilai korelasi rank spearman sebesar 0,95 menujukkan bahwa tingkat hubungan yang tinggi antara hasil penelitian dengan kebijakan penanggulangan bencana.
MODEL INTEGRATIF SISTEM INFORMASI RUMAH SAKIT BERBASIS AI DCS, API DAN CLOUD STORAGE Trisnanto, Puguh Yudho; Kesuma, Sandry; Suwita, I Komang; Sakti, Dea Alan Karuania
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.8820

Abstract

Penelitian ini mengusulkan model konseptual sistem informasi rumah sakit berbasis kecerdasan buatan (AI) yang terintegrasi dengan Deci-sion Control System (DCS), Application Programming Interface (API), dan penyimpanan cloud. Model dirancang untuk mendukung pengel-olaan data rekam medis elektronik, manajemen pasien, interaksi pub-lik, serta pengambilan keputusan klinis secara real-time. Melalui pen-dekatan rekayasa sistem, dilakukan analisis kebutuhan, desain arsi-tektur, pemodelan proses, dan simulasi data. Hasil pengujian menun-jukkan nilai Function Point (FP) sebesar 5,896 dengan kompleksitas sistem sederhana dan risiko rendah. Uji Measuring Effort menghasilkan estimasi effort sebesar 3,30 orang-bulan, dengan probabilitas perbaikan hanya 5%. Temuan ini membuktikan bahwa integrasi AI-DCS-API dapat meningkatkan efisiensi sistem informasi rumah sakit dan layak diimplementasikan sebagai dasar pengembangan smart hospital.
Penerapan Algoritma Support Vector Machine untuk Mendeteksi Uja-ran Kebencian dalam Media Sosial Twitter Shallom, Karsten Jonatthan; Hendry, Hendry
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7553

Abstract

Penelitian ini mengeksplorasi penerapan algoritma Support Vector Machine untuk mendeteksi ujaran kebencian di platform media sosial Twitter, khususnya dalam konteks bahasa Indonesia. Dengan lebih dari 330 juta pengguna, Twitter menjadi sarana yang rentan terhadap penyebaran ujaran kebencian yang dapat menimbulkan dampak negatif. Tujuan utama dari penelitian ini adalah mengembangkan sistem otomatis yang mampu mengidentifikasi ujaran kebencian secara efektif. Dataset yang digunakan terdiri dari 1564 tweet berbahasa Indonesia yang diambil dari isu politik pada tahun 2021. Proses analisis meliputi langkah-langkah seperti tokenisasi, stemming, dan penandaan kelas kata, diikuti dengan klasifikasi menggunakan SVM. Hasil penelitian menunjukkan bahwa 92.8% dari tweet yang dianalisis termasuk dalam kategori "no hate speech," sementara 7.2% teridentifikasi sebagai "hate speech." Model SVM menunjukkan performa yang sangat baik dengan akurasi mencapai 97.19%, recall 97.19%, presisi 97.28%, dan F1 Score 96.82%, tanpa adanya False Negatives. Penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam menciptakan lingkungan online yang lebih aman dan positif, serta meningkatkan pemahaman tentang karakteristik bahasa Indonesia dalam konteks deteksi ujaran kebencian.
IMPLEMANTASI METODE NAIVE BAYES CLASIFER DALAM MENGANALISA KEMAMPUAN SISWA DALAM PROSES PEMBELAJARAN Auliyah, Luluk; Hariyanto, Rudi; Misdram, Muhammad
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 1 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i1.7140

Abstract

Proses pembelajaran pada hakikatnya adalah mengembangkan aktivitas dan kreativitas peserta didik melalui berbagai interaksi dan pengalaman belajar. Guru merupakan faktor terpenting dalam proses peningkatan mutu pendidikan. Selain itu, keaktifan belajar siswa juga menjadi unsur dasar yang penting bagi keberhasilan proses pembelajaran. Kualitas dan keaktifan siswa dalam pembelajaran di sekolah mempunyai banyak keragaman yang menjadikan siswa mempunyai tingkat pemahaman yang berbeda-beda, hal ini perlu menjadi perhatian pihak sekolah khususnya guru sebagai pengajar dan pendidik siswa di sekolah. Tujuan penelitian ini diimplementasikan ke Sekolah Madrasah Aliyah Negri Kota Pasuruan untuk mengukur sejauh mana kemampuan siswa dalam menjalani proses pembelajaran serta sebagai acuan dan bahan evaluasi sekolah dalam keberhasilan pendidik ketika melaksanakan proses belajar mengajar yang terdiri dari beberapa variabel diantaranya, Nilai Akademik (pengetahuan), Nilai Psikomotor (keterampilan), Nilai Afektif (spiritual dan sosial). Dalam pengelompokan data, metode yang sesuai dalam penelitian ini adalah metode Clustering dengan Algoritma naïve bayes clasifer. Hasil penelitian ini terdapat 101 data trening dan 20 data uji, dengan akurasi sebesar 95%. berdasarkan hasil tersebut guru atau pihak sekolah dapat lebih mudah dalam proses klasifikasi serta dapat memberikan bimbingan yang lebih atau pendampingan khusus terhadap kemampuan siswa yang di anggap kurang memahami dalam proses belajar mengajar

Page 2 of 7 | Total Record : 65

 1   2   3   4   5 

Filter by Year

2026 2026


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