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 44 Documents
 1   2   3   4   5 
Search results for , issue "vol 11, no 2 (2026)" : 44 Documents clear
Implementasi Algoritma Support Vector Machine Dalam Klasifikasi Jenis Protein Hewani Ridho Ikhram; Anton Yudhana; Imam Riadi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.7787

Abstract

Protein hewani merupakan komponen penting dalam produk makanan yang mempengaruhi nilai gizi dan sifat organoleptik. Meningkatnya kebutuhan akan produk halal, vegetarian, dan vegan, deteksi protein hewani secara akurat menjadi semakin penting. Penelitian ini bertujuan untuk mengimplementasi algoritma SVM dalam klasifikasi jenis protein hewani sebagai alternatif metode tradisional yang memerlukan waktu dan biaya tinggi. Penelitian ini menggunakan 1.600 dataset protein hewani dari empat jenis hewan yaitu ayam, sapi, ayam kampung, dan babi diambil langsung menggunakan mesin Fourier Transform Infrared Spectroscopy (FTIR), pembagian dataset dilakukan dengan rasio 80% data training dan 20% data testing kemudian data diolah menggunakan platform Google Colab. Evaluasi dari kinerja model dilakukan dengan metrik akurasi, precision, recall, dan F1-score. Hasil dari pengujian menunjukkan model SVM mencapai akurasi 97,19%, untuk nilai precision, recall, dan F1-score berada pada rentang 95% hingga 100%, mengindikasikan algoritma SVM memiliki performa yang stabil, akurat, dan andal dalam mengklasifikasikan jenis protein hewani, serta memiliki peluang untuk penerapan machine learning lebih luas di bidang bioteknologi dan ilmu pangan.
PENERAPAN ALGORITMA MACHINE LEARNING UNTUK PREDIKSI PENYAKIT DIABETES MILITUS MENGGUNAKAN METODE EXTREME GRADIENT BOOSTING Rina Dwi Khairunnisa; Wina Witanti; Agus Komarudin
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.7897

Abstract

Diabetes Mellitus ialah salah satu tantangan kesehatan global di mana terus meningkat, dengan prevalensi yang mengkhawatirkan. Penelitian ini berfokus pada pengembangan model prediksi untuk mendeteksi status diabetes (Negatif, Prediabetes, dan Diabetes) memakai algoritma Extreme Gradient Boosting (XGBoost) pada dataset CDC Diabetes Health Indicators. Masalah kunci yang diatasi mencakup penanganan ketidakseimbangan kelas yang signifikan dalam dataset dan optimasi hyperparameter untuk meningkatkan akurasi prediksi. Penelitian ini bertujuan untuk menghasilkan model prediksi XGBoost yang optimal dan mengevaluasi kinerjanya. Proses penelitian melibatkan pengumpulan dataset, diikuti tahap preprocessing data termasuk penanganan ketidakseimbangan kelas memakai teknik over-sampling Synthetic Minority Over-sampling Technique (SMOTE) pada data pelatihan. Selanjutnya, hyperparameter model XGBoost dioptimalkan secara sistematis memakai framework Optuna dengan algoritma Tree-structured Parzen Estimator (TPE). Model akhir kemudian dilatih dan dievaluasi secara komprehensif pada set data pengujian yang terpisah. Hasil evaluasi memperlihatkan akurasi keseluruhan model 88%. Jadi, model prediksi yang dikembangkan ini berpotensi guna mendukung upaya deteksi dini dan pengelolaan faktor risiko diabetes, serta memberikan wawasan tentang penerapan algoritma XGBoost dalam analisis data kesehatan.
OPTIMALISASI FITUR BACKWARD ELIMINATION PADA KLASIFIKASI DIABETES MELLITUS MENGGUNAKAN ALGORITMA RANDOM FOREST Gusti Chandra Kurniawan; Imam Riadi; Anton Yudhana
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.8090

Abstract

Klasifikasi penyakit Diabetes Mellitus secara akurat memerlukan model yang efisien serta mampu mengatasi tantangan umum dalam data medis, yaitu ketidakseimbangan kelas dan keberadaan fitur tidak relevan. Penelitian ini bertujuan untuk meningkatkan performa klasifikasi dengan mengintegrasikan metode seleksi fitur Backward Elimination (BE) dan teknik penyeimbangan kelas Synthetic Minority Over-Sampling Technique (SMOTE) ke dalam algoritma Random Forest (RF). Dataset yang digunakan berasal dari Mendeley Data dan terdiri atas 1.000 sampel pasien dengan 14 atribut medis. Setelah dilakukan penghapusan atribut non-informatif dan normalisasi Min-Max, label kelas dikonversi menjadi biner. Implementasi dilakukan pada platform RapidMiner Studio 10.1 dengan skema validasi 5-Fold Cross Validation. Seleksi fitur dilakukan menggunakan pendekatan Wrapper-Based BE yang mengevaluasi kontribusi tiap fitur terhadap performa model secara iteratif, sementara SMOTE diterapkan secara terstruktur pada training subprocess guna mencegah data leakage. Hasil eksperimen menunjukkan bahwa jumlah fitur dapat dikurangi dari 12 menjadi 9 tanpa menurunkan performa klasifikasi. Model kombinasi BE + SMOTE + RF menunjukkan peningkatan pada seluruh metrik evaluasi akurasi 97,50%, F1-score 98,50%, dan AUC 99,60%. Selain meningkatkan akurasi, model juga menjadi lebih ringan dan stabil. Temuan ini memperkuat pentingnya seleksi fitur dan penyeimbangan kelas dalam pengembangan sistem klasifikasi medis. Model yang dihasilkan berpotensi untuk diterapkan dalam sistem pendukung keputusan klinis, termasuk pada fasilitas kesehatan dengan keterbatasan sumber daya, guna mendukung skrining awal berbasis data yang efisien dan akurat.
PENGEMBANGAN EARLY WARNING SYSTEM HARGA PANGAN STRATEGIS BERBASIS INTEGRASI FITUR METEOROLOGI MENGGUNAKAN PERBANDINGAN SVR DAN XGBOOST Jihan Kusumawardhani; Aria Hendrawan
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.10168

Abstract

Fluktuasi harga pangan di Kota Semarang seringkali dipengaruhi faktor cuaca ekstrem yang mengganggu stabilitas pasokan. Penelitian ini bertujuan membangun sistem peringatan dini (Early Warning System) harga pangan dengan mengintegrasikan variabel meteorologi menggunakan algoritma Machine Learning. Metode yang digunakan adalah komparasi antara Support Vector Regression (SVR) dan XGBoost terhadap komoditas bawang merah dan cabai rawit. Hasil penelitian menunjukkan bahwa algoritma XGBoost secara konsisten mengungguli SVR pada seluruh pengujian. Akurasi tertinggi dicapai pada komoditas bawang merah dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 1,63%, yang termasuk kategori sangat akurat. Penelitian ini juga memvalidasi pengaruh signifikan variabel meteorologi melalui efek tunda cuaca (weather lag effect) terhadap pergerakan harga. Implementasi sistem EWS yang dikembangkan berhasil mengklasifikasikan status peringatan secara otomatis, sehingga dapat menjadi instrumen pendukung keputusan yang aplikatif bagi pemangku kepentingan dalam memitigasi anomali harga pangan di Kota Semarang.
PEMANFAATAN ALGORITMA YOLOV11-POSE UNTUK SISTEM DETEKSI ORANG JATUH BERBASIS KAMERA THERMAL Regita Manipa; Christine Dewi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.7813

Abstract

Jatuh merupakan masalah serius pada berbagai kelompok usia yang dapat menyebabkan cedera fisik, mulai dari ringan hingga fatal. Deteksi jatuh menjadi aspek penting dalam pengembangan sistem pemantauan yang efektif dan andal. Penelitian ini mengevaluasi model YOLOv11-Pose yang dilatih menggunakan data kamera termal dari dataset OpenThermalPose di lingkungan dalam dan luar ruangan. Pengujian dilakukan dengan fungsi deteksi berbasis dua kondisi: rasio dimensi tubuh dan orientasi terhadap lantai. Dari lima varian yang diuji, YOLOv11-M menunjukkan kinerja terbaik dengan nilai mean Average Precision (mAP) sebesar 0,994 untuk kotak pembatas dan 0,855 untuk estimasi pose. Meskipun model mampu mendeteksi posisi tubuh secara akurat saat tidak terjadi jatuh, performanya terbatas akibat kurangnya data citra yang merepresentasikan posisi jatuh, sehingga menghambat evaluasi secara menyeluruh. Hasil ini menunjukkan potensi YOLOv11-Pose dalam mendeteksi kejadian jatuh serta memberikan wawasan untuk pengembangan sistem keselamatan berbasis kamera termal di masa depan.
ANALISIS KINERJA SISTEM APLIKASI KEUANGAN TINGKAT INSTANSI (SAKTI) DALAM PENGOLAHAN KEUANGAN NEGARA MENGGUNAKAN METODE TECHNOLOGY ACCEPTANCE MODEL (TAM) Elisabetd Regina Kamodi; Marlinda Sanglise; Lorna Tertas Baisa
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.8261

Abstract

Penelitian ini bertujuan untuk menganalisis penerimaan dan kinerja Sistem Aplikasi Keuangan Tingkat Instansi (SAKTI) dalam mendukung pengelolaan keuangan negara di lingkungan UPBU Wasior, menggunakan pendekatan Technology Acceptance Model (TAM). Lima konstruk utama dalam TAM yang dijelaskan meliputi Perceived Effectiveness, Perceived Ease of Use, Attitude Toward Use, Behavioral Intention to Use, dan Actual System Use. Metode kuantitatif digunakan dengan pengumpulan data melalui kuesioner dan wawancara tidak terstruktur, kemudian dianalisis menggunakan SmartPLS. Hasil analisis menunjukkan bahwa seluruh hipotesis penelitian diterima dengan nilai signifikansi tinggi, yang berarti setiap variabel dalam model berpengaruh secara positif dan signifikan. Temuan ini menyatakan bahwa kemudahan penggunaan dan persepsi terhadap manfaat aplikasi sangat menentukan sikap dan niat pegawai dalam menggunakan SAKTI. Rekomendasi diberikan untuk meningkatkan pelatihan, khususnya bagi pegawai senior, guna memperkuat penerapan sistem informasi keuangan di instansi pemerintah.
Perencanaan Strategis Sistem Informasi/Teknologi Informasi Menggunakan Zachman Framework (Studi Kasus: Dinas Komunikasi dan Informatika Kabupaten Semarang) Okky Widya Sambara; Melkior N. N. Sitokdana
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.8061

Abstract

Sistem informasi dan teknologi informasi adalah ilmu yang mempelajari penggunaan teknologi komputer untuk mengolah, mengatur, dan menganalisis, dan memproses data. Pada dasarnya ilmu teknik sistem informasi dan teknologi informasi dibuat melalui blueprint atau aplikasi yang bertujuan untuk mengkomunikasikan data sumber daya manusia untuk menjadikan informasi sebagai objek visual. Tujuan utama dari penelitian ini akan dilakukan analisis terhadap penggunaan atau pemanfaatan aplikasi yang belum efisien dalam sistem informasi dan teknologi informasi yang efektif untuk mengoptimalkan aplikasi. Data yang akan dikumpulkan yaitu menggunakan metode deskriptif kualitatif serta subyek yang akan diteliti adalah kerangka kerja arsitektur enterprise pada DISKOMINFO Kabupaten Semarang. Data yang diperoleh kemudian diolah dan dianalisis menggunakan metode perancangan strategis arsitektur enterprise dalam Zachman Framework. Hasil penelitian dan wawancara menunjukan bahwa implementasi metode Zachman Framework didapat beberapa perspektif. Perspektif atau sudut pandang (viewpoint) ini diantaranya planner, owner, dan designer yang nantinya akan efektif dalam membantu pelaksanaan proses perancangan dan pengembangan dari blueprint atau aplikasi tersebut. Hasil penelitian diharapkan diharapkan mampu menunjang aktivitas yang sesuai dengan visi misi lembaga pemerintah atau institusi.
HYBRID DEEP NEURAL NETWORK WITH ATTENTION FOR MONTHLY GOLD PRICE FORECASTING Oktavia Mulyo Nurdiyanti; Giat Karyono; Berlilana Berlilana
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.8219

Abstract

Fluktuasi harga emas yang tinggi dari waktu ke waktu mendorong perlunya pengembangan model prediksi yang andal untuk membantu investor dalam pengambilan keputusan. Penelitian ini bertujuan untuk membangun model prediksi harga emas bulanan menggunakan pendekatan hybrid deep learning yang meng-gabungkan Convolutional Neural Network (CNN), Bidirectional Long Short-Term Memory (BiLSTM), dan Attention Mechanism. Dataset yang digunakan adalah data historis harga emas periode 2013–2023 yang telah diproses menjadi data bulanan dan dinormal-isasi. Proses pelatihan dilakukan dengan konfigurasi hyperparame-ter optimal hasil grid search, yaitu learning rate 0.001, batch size 16, dan epoch 3000. Model dievaluasi menggunakan metrik MAE, RMSE, MAPE, akurasi, dan koefisien determinasi. Hasil evaluasi menunjukkan bahwa model mencapai RMSE sebesar 53.78, MAE sebesar 39.11, MAPE sebesar 2.78%, akurasi prediksi sebesar 97.22%, dan R² sebesar 0.9602. Model mampu mengikuti tren fluktuasi harga emas bulanan dengan tingkat ketepatan yang tinggi. Integrasi CNN, BiLSTM, dan Attention terbukti meningkatkan kinerja prediktif dibandingkan pendekatan konvensional. Dengan demikian, model ini berpotensi menjadi alat bantu yang efektif dalam meramalkan harga emas dan mendukung pengambilan keputusan investasi berbasis data
Implementasi Metode Vader Dan Fuzzy Pada Analisis Sentimen Berbasis Aspek Terhadap Ulasan Aplikasi Brimo Berlian Sakti Yuliana Ndruru; Sunneng Sandino Berutu; Haeni Budiati
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.8237

Abstract

Perkembangan teknologi digital mendorong industri perbankan untuk meningkatkan layanan melalui aplikasi mobile banking, seperti Brimo. Ulasan pengguna menjadi sumber data yang berharga untuk analisis sentimen berbasis aspek (ASBA), namun identifikasi manual tidak efisien. Penelitian ini mengkombinasikan metode Vader dan logika Fuzzy untuk mengukur dan mengklasifikasikan sentimen pada ulasan aplikasi BRImo melalui 6 tahap yaitu, scraping data dari Google Play Store, preprocessing, kategorisasi aspek (pengalaman pengguna, kinerja, keamanan), klasifikasi sentimen dengan vader (positif, netral, negatif), klasifikasi lanjutan dengan Fuzzy (sangat positif, cukup positif, netral, cukup negatif, sangat negatif), dan analisis hasil. Hasil klasifikasi Vader menunjukkan pada aspek pengalaman pengguna didominasi sentimen positif (42,6%), netral (36,2%), dan negatif (21,3%). Untuk kinerja, sentimen netral mendominasi (42,8%) diikuti positif (36,2%) dan negatif (21,1%), sedangkan pada keamanan didominasi netral (45,8%) dengan positif (32,9%) dan negatif (21,3%). Klasifikasi fuzzy memberikan hasil lebih detail dimana pada pengalaman pengguna didominasi netral (41,6%) diikuti cukup positif (25,5%), cukup negatif (16,7%), sangat positif (13,6%), dan sangat negatif (2,6%). Pola serupa terlihat pada kinerja (netral 51,7%, cukup positif 25,7%) dan keamanan (netral 53,2%, cukup positif 21,0%). Hasil ini menunjukkan dominasi sentimen netral dengan fuzzy mampu memberikan granularitas lebih detail dibanding Vader.
ANALISIS SENTIMEN PRESIDEN TERPILIH PRABOWO-GIBRAN MENGGUNAKAN METODE SVM DI MEDIA TWITTER/X Syariful Abrori; Firman Santoso; Farihin Lazim
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.8177

Abstract

Periode 100 hari pertama pemerintahan menjadi momentum krusial untuk menganalisis persepsi masyarakat terhadap kepemimpinan baru. Penelitian ini bertujuan mengimplementasikan Support Vector Ma-chine (SVM) untuk menganalisis sentimen masyarakat Indonesia ter-hadap 100 hari pertama pemerintahan Prabowo-Gibran berdasarkan data Twitter/X. Metodologi penelitian menggunakan framework Knowledge Discovery in Databases (KDD) yang mencakup pengum-pulan data, preprocessing, transformasi, data mining, dan evaluasi. Data dikumpulkan melalui web scraping menggunakan Selenium dari periode 20 Oktober 2024 hingga 28 Januari 2025 berdasarkan enam kata kunci relevan, menghasilkan 5.136 tweet yang kemudian diproses menjadi 4.631 data unik setelah penghapusan duplikat. Preprocessing meliputi text cleaning, tokenisasi, stemming menggunakan Sastrawi, dan pelabelan sentimen dengan pendekatan lexicon-based. Transforma-si data menggunakan TF-IDF dengan pembagian 80:20 untuk training dan testing. Model SVM dengan kernel linear berhasil mencapai akurasi 85% dengan performa terbaik pada klasifikasi sentimen negatif (precision 0.86, recall 0.95, F1-score 0.90) dan sentimen positif (preci-sion 0.83, recall 0.75, F1-score 0.79). Hasil analisis menunjukkan dominasi sentimen negatif yang mencerminkan sikap kritis masyarakat terhadap implementasi kebijakan awal. Penelitian ini memberikan kontribusi dalam pengembangan sistem analisis sentimen berbahasa Indonesia untuk monitoring opini publik terhadap pemerintahan.

Page 1 of 5 | Total Record : 44

 1   2   3   4   5 

Filter by Year

2026 2026


Reset
Filter By Issues
All Issue Vol 11, No 2 (2026) 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