JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
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).
Articles
37 Documents
Search results for
, issue
"Vol 9, No 1 (2024)"
:
37 Documents
clear
<![CDATA[RANCANG BANGUN SISTEM INFORMASI MANAJEMEN LAYANAN MAGANG DI DISKOMINFO KABUPATEN PURWAKARTA BERBASIS WEB DENGAN MENGGUNAKAN METODE EXTREME PROGRAMMING ]]>
<![CDATA[Salim, Asep Yusapra]]>;
<![CDATA[Alijoyo, Franciskus Antonius]]>
<![CDATA[ JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 1 (2024) ]]>
Publisher : <![CDATA[STKIP PGRI Tulungagung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29100/jipi.v9i1.4434
<![CDATA[Kegiatan magang ini merupakan bagian dari pelatihan kerja yang menggabungkan pendidikan di lembaga dan pekerjaan di perusahaan dengan bimbingan dari pelatih atau karyawan berpengalaman. Penelitian ini bertujuan untuk merancang dan membangun sistem informasi manajemen layanan magang di Dinas Komunikasi dan Informatika Kabupaten Purwakarta (DISKOMINFO). Namun, saat ini terdapat masalah dalam pengelolaan layanan magang karena belum ada sistem efektif berbasis komputerisasi. Tujuan penelitian ini adalah mempermudah proses registrasi, seleksi, pelaporan, penilaian, hingga pemberian sertifikat magang, serta meningkatkan pengelolaan administratif. Jenis penelitian yang digunakan adalah kualitatif dengan pendekatan Metode Extreme Programming. Subjek penelitian terdiri dari mahasiswa sebagai pelamar magang dan pihak DISKOMINFO (admin, super admin, dan kepala bidang). Data penelitian dikumpulkan melalui studi literatur dan wawancara. Analisis data dilakukan dengan Pemodelan Berorientasi Objek menggunakan UML untuk merancang sistem, termasuk desain antarmuka pengguna dan database. Sistem informasi layanan magang ini dikembangkan menggunakan PHP versi 7 dan MySQL versi 7.4.11 sebagai database, serta diuji dengan black box testing dan SUS (System Usability Scale). Hasilnya menunjukkan bahwa sistem informasi manajemen layanan magang ini berhasil membantu mahasiswa dalam melakukan registrasi secara online dan mendapatkan informasi mengenai ketersediaan tempat magang. Fitur logbook juga memudahkan kepala bidang dan pembimbing lapangan dalam memantau progress peserta magang untuk melakukan penilaian kinerja yang lebih baik. Dengan adanya sistem ini, diharapkan proses magang menjadi lebih efisien dan terstruktur, serta memberikan manfaat bagi mahasiswa dan pihak DISKOMINFO dalam pengelolaan program magang.]]>
<![CDATA[ANALISIS SENTIMEN PADA ULASAN APLIKASI THREADS DI GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE ]]>
<![CDATA[Nufairi, Farhan]]>;
<![CDATA[Pratiwi, Nunik]]>;
<![CDATA[Herlando, Fariz]]>
<![CDATA[ JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 1 (2024) ]]>
Publisher : <![CDATA[STKIP PGRI Tulungagung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29100/jipi.v9i1.4929
<![CDATA[Threads merupakan sebuah aplikasi media sosial yang dirilis oleh Instagram pada tahun 2023 bulan Juli lalu. Di Google Play Store sendiri aplikasi Threads telah menjadi populer, dengan lebih dari 50 juta unduhan dan rating rata-rata 4,5. Terkadang, isi rating dan ulasan suatu produk atau layanan dapat berbeda. Dalam mengembangankan aplikasi, perlu memperhatikan pendapat dari pengguna, bukan hanya jumlah rating. Oleh karena itu, penelitian ini bertujuan untuk mengetahui sentimen pengguna aplikasi Threads di Google Play Store, baik positif maupun negatif, dan untuk mengetahui tingkat akurasi algoritma Support Vector Machine (SVM) dalam menganalisis sentimen tersebut. Metode penelitian melibatkan pengumpulan ulasan pengguna Threads, preprocessing, pelabelan, dan penerapan algoritma SVM untuk mengklasifikasikan sentimen ulasan menjadi positif dan negatif. Setelah melakukan implementasi algoritma, pengujian evaluasi merupakan tahap terakhir dari proses implementasi algoritma. Data yang digunakan dalam penelitian ini adalah data ulasan aplikasi Threads di Google Play Store, yang berjumlah 1429 data. Dari jumlah tersebut, 1103 merupakan ulasan positif dan 326 merupakan ulasan negatif. Hasil pengujian evaluasi menunjukkan bahwa algoritma SVM dapat mengklasifikasi ulasan aplikasi Threads dengan akurasi sebesar 88%. Akurasi ini diperoleh dengan menggunakan rasio pembagian data sebesar 80:20.]]>
<![CDATA[KLASIFIKASI TINGKAT KEMATANGAN BUAH PAPRIKA MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERDASARKAN WARNA RGB MELALUI APLIKASI MATLAB ]]>
<![CDATA[Cahyaputra, Hafizhiadi Rizki]]>;
<![CDATA[Rahmadewi, Reni]]>
<![CDATA[ JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 1 (2024) ]]>
Publisher : <![CDATA[STKIP PGRI Tulungagung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29100/jipi.v9i1.4440
<![CDATA[Penelitian ini bertujuan untuk mengklasifikasikan tingkat kematangan buah paprika menggunakan metode K-Nearest Neighbor (KNN) melalui aplikasi MATLAB. Dalam penelitian ini, digunakan dataset citra buah paprika yang telah dipreproses dan dibagi menjadi dataset latihan dan dataset uji. Dataset ini terdiri dari empat kelas kematangan: mentah, setengah matang, hampir matang, dan matang. Sistem klasifikasi kematangan buah paprika dikembangkan dengan mengimplementasikan metode KNN untuk mendeteksi tingkat kematangan berdasarkan analisis warna. Hasil pengujian menunjukkan bahwa sistem yang dikembangkan memiliki tingkat akurasi yang memuaskan, dengan tingkat akurasi tertinggi mencapai 90% ketika menggunakan nilai k=5. Penelitian ini diharapkan dapat menjadi alat bantu yang berguna bagi petani dalam menentukan kualitas paprika yang terbaik untuk dikonsumsi.]]>
<![CDATA[SISTEM INFORMASI MONITORING MUTABA’AH MENGGUNAKAN METODE AGILE EXTREME PROGRAMMING PADA YAYASAN DAARUT TAUHIID ]]>
<![CDATA[Rizki, Muhamad]]>;
<![CDATA[Fauziah, Fauziah]]>;
<![CDATA[Sholihati, Ira Diana]]>
<![CDATA[ JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 1 (2024) ]]>
Publisher : <![CDATA[STKIP PGRI Tulungagung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29100/jipi.v9i1.4326
<![CDATA[Yayasan Daarut Tauhiid Bandung merupakan lembaga nirlaba yang memberikan keuntungan melalui program pelayanan dan pemberdayaan di bidang ekonomi, kesehatan, pendidikan, dakwah dan sosial kemanusiaan. Yayasan ini memberikan pembelajaran kepada para santri tentang keagamaan. Pada pembelajaran itu santri juga diberikan tugas akan kegiatan yang mereka lakukan seperti ibadah yang dapat membantu mengontrol dan mengelola ibadah dengan cara meriwayatkan ibadah harian yang telah dilakukan. Namun dalam pencatatannya itu masih menggunakan cara manual dengan input pada excel hari demi hari dari para santri maupun oleh pengajar sehingga memakan banyak waktu juga data yang bisa hilang. Hal tersebut menjadi acuan bagi peneliti untuk melakukan perancangan sistem informasi monitoring mutaba’ah.Penelitian ini untuk menyiapkan suatu sistem menggunakan metode Agile model Extreme Programming. Dalam pengujian website sistem informasi monitoring mutaba’ah ini menggunakan PageSpeed Insights untuk performa web dan Apache JMeter untuk database. Pengujian performa web menghasilkan informasi dengan nilai Performance 99%, Accessibility 81%, Best Practices 92%, dan SEO 82%, serta pengujian database yang dapat mendukung jalannya aplikasi menghasilkan tingkat keberhasilan 100% dengan rincian kegagalan 0 dan rata-rata respon waktu untuk menampilkan data selama 1,34ms.dan SEO 82%, serta pengujian database yang dapat mendukung jalannya aplikasi menghasilkan tingkat keberhasilan 100% dengan rincian kegagalan 0 dan rata-rata respon waktu untuk menampilkan data selama 1,34ms.dan SEO 82%, serta pengujian database yang dapat mendukung jalannya aplikasi menghasilkan tingkat keberhasilan 100% dengan rincian kegagalan 0 dan rata-rata respon waktu untuk menampilkan data selama 1,34ms.]]>
<![CDATA[IMPLEMENTASI ALGORITMA NAIVE BAYES UNTUK ANALISIS SENTIMEN ISU RESESI EKONOMI 2023 DI INDONESIA PADA PLATFORM TWITTER ]]>
<![CDATA[Tesalonika, Ribka]]>;
<![CDATA[Mailoa, Evangs]]>
<![CDATA[ JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 1 (2024) ]]>
Publisher : <![CDATA[STKIP PGRI Tulungagung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29100/jipi.v9i1.4288
<![CDATA[Resesi ekonomi merupakan kondisi dimana suatu negara mengalami kemerosotan aktivitas ekonomi. Isu mengenai resesi 2023 di Indonesia mulai hangat diperbincangkan semenjak terjadinya perang antara Rusia dan Ukraina, pandemi Covid-19 dan inflasi yang tak terkendali. Munculnya isu tersebut menimbulkan berbagai tanggapan dari masyarakat dan beberapa diantaranya menyampaikan pendapatnya melalui media sosial salah satunya Twitter. Dari permasalahan tersebut, diperlukan analisa mengenai sentimen masyarakat terhadap tweet untuk melihat respon mengenai Isu Resesi Ekonomi 2023 di Indonesia dari masyarakat yang aktif. Penelitian ini menerapkan algoritma Naive Bayes dalam melakukan pengklasifikasian data dan tahapannya dimulai dengan pengumpulan data tweet dengan teknik scraping, lalu pembersihan data, pembagian data latih dan data uji, pelabelan data, pra-pemrosesan data, klasifikasi kemudian diakhiri dengan evaluasi model menggunakan confusion matrix. Jumlah data yang dikumpulkan setelah melewati proses pembersihan data sebanyak 3301 tweet. Akurasi model yang diperoleh mencapai 93,46% dengan prediksi label sentimen positif 1302 tweet, sentimen negatif 1236 tweet dan sentimen netral sejumlah 764 tweet.]]>
<![CDATA[Analisis Sentimen Masyarakat Tentang Pengaruh Politik Identitas Pada Pemilu 2024 Terhadap Toleransi Beragama Menggunakan Metode K - Nearest Neighbor ]]>
<![CDATA[Palepa, Muhammad Jeral]]>;
<![CDATA[Pratiwi, Nunik]]>;
<![CDATA[Rohmansa, Reva Qintara]]>
<![CDATA[ JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 1 (2024) ]]>
Publisher : <![CDATA[STKIP PGRI Tulungagung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29100/jipi.v9i1.4957
<![CDATA[Menjelang pemilu 2024 mendatang politik identitas kembali muncul sebagai polemik dan senjata utama dalam berpolitik demi mendapatkan suara. 2023 sebagai tahun politik menggunakan agama sebagai alat bagi setiap calon dalam berkampanye. Hal tersebut tentu berpengaruh terhadap toleransi beragama dalam bermasyarakat, baik sekarang maupun kedepanya. Tanggapan – tanggapan masyarakat mengenai politik identitas tersebut dapat ditemui di banyak media sosial terutama pada akun – akun youtube yang mengangkat tema politik identitas. Penelitian ini bertujuan untuk mengetahui bagaimana politik identitas mempengaruhi toleransi beragama di masyarakat melalui hasil nilai akurasi dan evaluasi dari penerapan metode KNN dalam pengujian analisis sentimen pada komentar video youtube Indonesia lawyers club yang bertemakan politik identitas. Pada penelitian ini terdapat 2000 data pada dataset yang akan diproses dalam tahapan preprocessing dan labeling dengan dilakukan implementasi algoritma dengan metode K – Nearest Neighbor. Pengujian menggunakan teknik splitting data 80 : 20 pada range K-1 sampai K-10 dengan accuracy sebesar 65% serta melakukan pengujian evaluasi hasil penelitian dengan menggunakan confusion matrix.]]>
<![CDATA[SISTEM REKOMENDASI PEMILIHAN ANIME MENGGUNAKAN USER-BASED COLLABORATIVE FILTERING ]]>
<![CDATA[Roziqiin, Nazhif Muafa]]>;
<![CDATA[Faisal, M.]]>
<![CDATA[ JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 1 (2024) ]]>
Publisher : <![CDATA[STKIP PGRI Tulungagung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29100/jipi.v9i1.4222
<![CDATA[Dalam era digital saat ini, banyak orang memiliki akses ke internet dan menikmati menonton anime sebagai hiburan. Namun, dengan banyaknya pilihan anime yang tersedia, seringkali sulit bagi seseorang untuk memilih anime yang ingin ditonton. Oleh karena itu, diperlukan sistem rekomendasi yang dapat membantu pengguna dalam memilih anime sesuai dengan preferensinya. Penelitian ini menggunakan metode User-based collaborative filtering (UCF) dalam pembuatan sistem rekomendasi anime. Metode UCF menggunakan kesamaan preferensi antara pengguna untuk merekomendasikan anime kepada pengguna lain. Dalam penelitian ini, data anime dan data rating pengguna diperoleh dari platform Kaggle.com. Tahapan penelitian meliputi pengumpulan data, pembersihan data, pemodelan machine learning, pemberian rekomendasi, dan penampilan hasil rekomendasi. Evaluasi kinerja dilakukan dengan menggunakan metode Mean Absolute Error (MAE). Hasil penelitian ini adalah sebuah sistem rekomendasi anime yang dapat memberikan rekomendasi 5 anime teratas berdasarkan preferensi pengguna. Evaluasi kinerja menunjukkan bahwa sistem rekomendasi ini memiliki MAE sebesar 2.9449, yang menunjukkan kualitas yang baik. Dengan demikian, sistem rekomendasi ini dapat membantu pengguna dalam memilih anime yang sesuai dengan preferensi mereka.]]>
<![CDATA[SISTEM PAKAR DIAGNOSA GANGGUAN KECEMASAN (ANXIETY DISORDER) MENGGUNAKAN METODE FORWARD CHAINING ]]>
<![CDATA[Muhammad, Khithoh Sabda]]>;
<![CDATA[Fitrani, Arif Senja]]>;
<![CDATA[Setiawan, Hamzah]]>
<![CDATA[ JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 1 (2024) ]]>
Publisher : <![CDATA[STKIP PGRI Tulungagung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29100/jipi.v9i1.4441
<![CDATA[Gangguan kecemasan merupakan salah satu masalah kesehatan mental yang paling umum, kondisi ini dapat mengakibatkan kekhawatiran yang berdampak buruk pada rutinitas seseorang, menurunkan prestasi akademis, serta mengurangi kualitas hidup dan psikologis. Masyarat sering mengabaikan masalah kesehatan mental karena kurangnya pengetahuan dan keterbatasan fasilitas psikologis. Berdasarkan keterbatasan tersebut sistem pakar daharapkan mampu memecahkan masalah tersebut dengan melakukan konsultasi secara mandiri. Sistem pakar adalah sebuah sistem yang mengadopsi pengetahuan pakar sehingga dapat melakukan seperti yang dilakukan pakar. Dengan dibangunnya sistem pakar ini dapat membantu masyarakat untuk melakukan konsultasi di web secara secara mandiri tanpa harus ke tempat fasilitas psikologis. Sistem pakar ini menggunakan metode forward chaining dan dibuat dengan memanfaatkan bahasa pemrograman PHP dan MySQL sebagai database. Metode forward chaining diawali dengan sekumpulan fakta untuk menemukan ketentuan yang sesuai dengan prediksi yang mengarah kesimpulan. Hasil dari pengujian validitas aplikasi, sistem pakar ini memiliki nilai keakuratan sistem sebesar 100% dari 7 data uji.]]>
<![CDATA[ANALISIS SENTIMEN MASYARAKAT TERHADAP PROGRAM BADAN PENYELENGGARA JAMINAN SOSIAL (BPJS) MENGGUNAKAN DATA TWITTER ]]>
<![CDATA[Ardika, Zefanya]]>;
<![CDATA[Wowor, Alz Danny]]>
<![CDATA[ JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 1 (2024) ]]>
Publisher : <![CDATA[STKIP PGRI Tulungagung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29100/jipi.v9i1.4272
<![CDATA[Jaminan Kesehatan Nasional merupakan salah satu program kesehatan pemerintah. Program ini menggunakan sistem premi, mirip dengan asuransi kesehatan pada umumnya, dimana untuk memastikan bahwa setiap orang dapat mengakses pelayanan kesehatan yang merata dan adil. Program ini adalah salah satu cara kebijakan ini dipraktikkan dengan mendirikan Badan. Dengan Badan hukum yakni Badan Penyelenggara Jaminan Sosial (BPJS) yang terbentuk untuk menyelenggarakan program jaminan kesehatan. Riset ini dibuat untuk melihat sentimen yang diberikan oleh masyarakat terkait program BPJS, riset dilakukan dengan Analisa Sentimen menggunakan metode atau model Naive Bayes, SVM, dan Random Forest. Data yang digunakan dalam riset ini merupakan Data tweet dari pengguna twitter yang diambil pada April 2023 dengan menggunakan API Twitter, mengambil 6000 unggahan tweet pengguna. Riset ini menggunakan model Naıve Bayes, SVM, dan Random Forest yang masing masing memberikan hasil yang cukup akurat dengan tingkat akurasi sebesar 99.3%, 99.6%, dan 99.2%. Dari 1053 data bersih setelah preprocessing, menghasilkan metode terbaik diantara metode lain dengan metode SVM menghasilkan 424 tweet positif. 357 tweet netral, dan 268 tweet negatif.]]>
<![CDATA[ANALISIS SENTIMEN TERKAIT OPINI MASYARAKAT TERHADAP PERKEMBANGAN E-SPORT MOBILE DI INDONESIA MENGGUNAKAN K NEAREST NEIGHBOR ]]>
<![CDATA[Alamsyah, Muhammad Kega]]>;
<![CDATA[Pratiwi, Nunik]]>
<![CDATA[ JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 1 (2024) ]]>
Publisher : <![CDATA[STKIP PGRI Tulungagung ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.29100/jipi.v9i1.4927
<![CDATA[Fenomena E-sport mobile belakangan ini menjadi perbincangan pada kalangan masyarakat indonesia. banyak masyarakat berpendapat bahwa E-sport mobile ini merupakan sebuah bentuk hiburan baru dan menarik serta juga dapat membuka peluang bagi anak-anak muda yang ingin berkembang ke dunia profesional. Tetapi selain pendapat positif pasti ada juga pendapat negatif tentang E-sport mobile ini, banyak pendapat ini juga berasal dari para orang tua. Analisis sentimen berguna untuk mengolah data dari opini masyarakat luas dan mengklasifikasi opini atau pendapat tersebut ke dalam bentuk positif dan negatif. Penelitian ini bertujuan untuk mengetahui bagaimana sentimen masayarakat terhadap perkembangan E-sport mobile di indonesia, apakah bidang ini mengarah ke hal yang positif atau negatif. Pada penelitian ini data didapat dari tweet pada media sosial twitter, dan meggunakan metode klasifikasi K-Nearest Neighbor. Hasil sentimen yang didapat dari penelitian adalah didominasi oleh sentimen positif. Pada proses Klasifikasi dibagi dua skenario yaitu pembagian data 70:30 dan 80:20, didapat hasil yang lebih optimal pada skenario dua yaitu pembagian data dengan rasio 80:20 dengan akurasi sebesar 84,66%.]]>
