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 1,124 Documents
 102   103   104   105   106 
IDENTIFIKASI PENYAKIT TANAMAN JAGUNG BERDASARKAN CITRA DAUN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK Arwin, Dwi Septiyani; Utami, Ema
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.v10i4.9320

Abstract

Identifikasi penyakit pada daun jagung memiliki peran penting dalam mendukung produktivitas pertanian yang berkelanjutan. Penelitian ini mengusulkan model klasifikasi menggunakan Convolutional Neural Network (CNN) dengan arsitektur ResNet-50 untuk mendeteksi penyakit daun jagung berdasarkan data citra. Dataset yang digunakan terdiri dari empat kategori: Blight, Common Rust, Gray Leaf Spot, dan Healthy, yang diperoleh dari sumber data publik. Pra-pemrosesan data dilakukan melalui perubahan ukuran citra menjadi 224×224 piksel dan peningkatan kontras menggunakan teknik CLAHE. Pengembangan model dilakukan dengan pendekatan transfer learning dan dievaluasi menggunakan metrik akurasi, presisi, recall, F1-score, serta confusion matrix. Hasil eksperimen menunjukkan kinerja klasifikasi yang tinggi dengan akurasi keseluruhan sebesar 94%. Kategori Healthy memperoleh performa terbaik (presisi dan recall = 1.00), sementara kategori Gray Leaf Spot mencatat nilai recall terendah akibat kemiripan visual dengan kategori lain. Penelitian ini membuktikan bahwa model CNN berbasis ResNet-50 sangat efektif untuk klasifikasi otomatis penyakit daun jagung dan berpotensi besar untuk diterapkan dalam sistem pertanian presisi.
EFEKTIVITAS KOMBINASI VIGENÈRE CIPHER DAN HILL CIPHER DALAM PENGAMANAN INFORMASI Sutoyo, Muh. Nurtanzis; Qammaddin, Qammaddin; Rahayu, Rahayu; Kariani, Ni Komang Ria
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.v10i4.6792

Abstract

Keamanan informasi merupakan aspek krusial dalam era digital yang terus berkembang, terutama di tengah meningkatnya ancaman kriptanalisis terhadap algoritma enkripsi konvensional. Penelitian ini bertujuan untuk mengevaluasi efektivitas kombinasi algoritma kriptografi Vigenère Cipher dan Hill Cipher sebagai pendekatan berlapis dalam melindungi data dari serangan analisis frekuensi. Vigenère Cipher menawarkan substitusi multi-abjad yang berubah-ubah berdasarkan kunci, sementara Hill Cipher memanfaatkan operasi matriks untuk mengenkripsi blok teks secara bersamaan. Hasil penelitian menunjukkan bahwa kombinasi kedua algoritma ini dapat meningkatkan kompleksitas ciphertext, sehingga mengurangi kerentanan terhadap serangan berbasis analisis frekuensi. Namun, tantangan utama yang diidentifikasi adalah pada perhitungan invers matriks dalam Hill Cipher, yang membutuhkan ketelitian tinggi, serta keefektifan kombinasi ini lebih optimal pada data dengan panjang genap atau yang dapat dipadati sesuai persyaratan blok Hill Cipher. Dengan demikian, penelitian ini berkontribusi pada peningkatan keamanan enkripsi melalui pendekatan berlapis, meskipun perlu disesuaikan dengan keterbatasan sumber daya
RANCANG BANGUN SISTEM SMART TRAFFIC LIGHT BERBASIS IOT UNTUK MEMPRIORITASKAN KENDARAAN DARURAT MENGGUNAKAN FUZZY TYPE-2 Ramadhaniar, Alfi; Rahmat, Basuki; Wahanani, Henni Endah
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.v11i1.7790

Abstract

Kemacetan lalu lintas di area perkotaan menjadi salah satu hambat-an utama bagi kendaraan darurat yang membutuhkan akses cepat untuk menyelamatkan nyawa atau menuju tempat terjadinya in-siden. Penelitian ini bertujuan merancang dan mengimplementasi-kan prototipe sistem smart traffic light berbasis Internet of Things (IoT) yang dapat memprioritaskan kendaraan darurat dengan mendeteksi suara sirine menggunakan sensor suara KY-037. Sistem ini dikendalikan oleh mikrokontroler Arduino Uno R3 ditambah dengan WiFi ESP8266 dan menggunakan metode Fuzzy Logic Type-2 untuk menangani ketidakpastian tingkat intensitas suara yang diterima sensor, serta menentukan durasi lampu hijau pada arah kendaraan darurat menggunakan delaytime. Selain itu, sistem dilengkapi dengan fitur kontrol manual berbasis aplikasi Blynk IoT untuk memungkinkan intervensi lampu lalu lintas secara langsung dalam situasi tertentu. Hasil pengujian menunjukkan bahwa sistem prototipe mampu mengidentifikasi suara sirine kendaraan darurat dan merespon dengan mengubah sinyal lampu lalu lintas menjadi hijau untuk memprioritaskan laju kendaraan darurat, serta kembali ke mode normal setelah kendaraan melintas. Sistem ini diharapkan dapat meningkatkan efisiensi layanan darurat dan mengurangi dam-pak dari kendaraan darurat yang terjebak kemacetan pada jalur per-simpangan.
IMPLEMENTASI METODE MAUT DALAM PENILAIAN KINERJA PRAMUNIAGA PADA TOKO ARIF JAYA AIR JOMAN Fahira, Aulia; Handayan, Masitah; Latiffani, Chitra
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.v10i4.6690

Abstract

The Arif Jaya Air Joman shop is still manual, namely a system of recording in books when searching for data, so it experiences difficulties. The same thing also applies to evaluating the performance of sales assistants, they still use an observation system, which of course takes a long time and the assessment becomes less objective, because it is not based on calculating the proper criteria. So we need a decision-making system that can carry out the salesperson performance assessment process. To get the best alternative for salesperson performance assessment, start by determining the normalization matrix which functions to influence the performance assessment and the calculation results of the Multi Attribute Utility Theory (MAUT) method by multiplying the weight of each predetermined criterion. The aim of these results is to evaluate the performance of the sales assistants and provide rewards in the form of bonuses or salary increases to the best sales assistants to stimulate performance
LKPD BERMUATAN STEAM SEBAGAI INOVASI PEMBELAJARAN IPAS DALAM MENUMBUHKAN KREATIVITAS SISWA SEKOLAH DASAR Sari, Kristika; Asrori, Muhamad Abdul Roziq; Utomo, Fajar Hendro
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.v11i1.10149

Abstract

Pembelajaran Ilmu Pengetahuan Alam dan Sosial (IPAS) di sekolah dasar dituntut untuk mampu mengembangkan keterampilan abad ke-21, khususnya kreativitas peserta didik. Oleh karena itu, diperlukan pengembangan bahan ajar yang inovatif, kontekstual, dan berorientasi pada aktivitas bermakna melalui pendekatan Science, Technology, Engineering, Art, and Mathematics (STEAM). Penelitian ini bertujuan untuk (1) mendeskripsikan pengembangan LKPD bermuatan STEAM, (2) hasil validitas pengembangan LKPD, (3) mengetahui efektivitas LKPD. Produk yang dikembangkan berupa LKPD cetak yang memuat tiga aktivitas utama, yaitu: (1) Ayo Kenali, (2) Kenali Lebih Dalam dengan dukungan teknologi Augmented Reality (AR), dan (3) Buat Candimu Sendiri dalam bentuk proyek pembuatan miniatur candi. Penelitian ini menggunakan metode Research and Development (RD) dengan mengadaptasi langkah-langkah Borg and Gall, yang meliputi analisis kebutuhan, perancangan produk, pengembangan, validasi ahli, uji coba terbatas, uji coba lapangan, serta revisi produk. Hasil penelitian menunjukkan bahwa LKPD bermuatan STEAM yang dikembangkan dinyatakan layak digunakan berdasarkan penilaian ahli media dan ahli materi dengan kategori sangat baik. Hasil uji coba menunjukkan bahwa penggunaan LKPD mampu meningkatkan keterlibatan peserta didik dalam pembelajaran, memfasilitasi munculnya gagasan baru, fleksibilitas berpikir, serta menghasilkan karya sebagai indikator kreativitas. Selain itu, respons peserta didik terhadap LKPD menunjukkan kategori positif, yang menandakan bahwa LKPD efektif digunakan dalam pembelajaran IPAS.
Implementasi Transfer Learning ResNet-50 dalam Klasifikasi Penyakit Daun Tomat Berbasis CNN Dengen, Christin Soyan; Muhammad, Alva Hendi
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.v10i4.7191

Abstract

Tomat merupakan produk pertanian penting di banyak negara, termasuk Indonesia. Namun, penyakit daun tomat dapat berdampak signifikan pada hasil panen dan kualitas tanaman. Oleh karena itu, deteksi dini penyakit sangat penting untuk meningkatkan hasil panen. Dalam penelitian ini, kami menerapkan transfer learning  menggunakan arsitektur ResNet-50 untuk klasifikasi penyakit daun tomat berbasis Convolutional Neural Network (CNN). Dataset yang digunakan berisi 2902 gambar daun tomat yang mencakup 10 kategori termasuk daun sehat dan sembilan jenis penyakit. Proses penelitian meliputi akuisisi data, preprocessing citra dengan augmentasi untuk meningkatkan keragaman dataset, dan pengembangan model menggunakan ResNet-50 untuk ekstraksi fitur. Hasil evaluasi model menunjukkan akurasi keseluruhan sebesar 99%, dengan rata-rata presisi dan perolehan lebih besar dari 0,97 untuk sebagian besar kategori penyakit. Kategori Two-Spotted Spider Mite menunjukkan performa terbaik dengan nilai presisi, recall, dan skor F1 sebesar 1,00. Meskipun terdapat sedikit kesalahan klasifikasi pada beberapa kategori seperti Tomato Yellow Leaf Curl Virus, model tersebut tetap menunjukkan kinerja yang baik dalam mendeteksi keriting daun tomat. Penelitian ini diharapkan dapat memberikan kontribusi terhadap pengembangan sistem deteksi penyakit tanaman berbasis teknologi pengolahan citra yang lebih efisien dan akurat.
MENYUSURI BANGUNAN BERSEJARAH KAWASAN SURABAYA RAYA MENGGUNAKAN TEKNOLOGI VIRTUAL REALITY BERBASIS ANDROID Leksono, Ilham Dwi Cahyo Murti; Rosid, Mochamad Alfan; Astutik, Ika Ratna Indra
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 1 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i1.5680

Abstract

Bangunan bersejarah terdiri dari kata "bangunan" sebagai tempat untuk berbagai kegiatan dan "bersejarah" sebagai sesuatu yang memiliki nilai-nilai sejarah. Ini meliputi nilai-nilai seperti identitas budaya, kemajuan teknologi, dan aspek estetika yang diwakili oleh bangunan tersebut. Kawasan Surabaya Raya, yang mencakup Kota Surabaya, Kabupaten Gresik, dan Kabupaten Sidoarjo di Jawa Timur, merupakan salah satu kawasan urban terbesar di Indonesia. Kawasan ini menjadi jantung di wilayah Jawa Timur. Kawasan Surabaya Raya kaya bangunan bersejarah seperti Tugu Pahlawan, Candi Pamotan, dan Menara Garling. Berdasarkan penggunaan teknologi yang kian berkembang, serta kebanyakan sistem pembelajaran tentang pengenalan bangunan bersejarah hanya berbasis teori, aplikasi penelitian ini akan memperkenalkan salah satu solusi yang akan menyajikan objek 3D dari beberapa bangunan bersejarah di Surabaya Raya melalui smartphone dan VR Cardboard. Dengan mengakses aplikasi ini, pengguna dapat mengambil tur virtual untuk melihat bangunan bersejarah tersebut. Tujuan utama aplikasi ini adalah untuk memberikan kemudahan akses kepada masyarakat dalam mempelajari bangunan bersejarah tersebut. Pendekatan ini dianggap menarik oleh masyarakat, dengan 87,5% responden menyatakan bahwa aplikasi tersebut informatif dan menarik berdasarkan hasil survei.
ANALISIS KINERJA ALGORITMA MACHINE LEARNING DALAM DETEKSI KANKER OTAK Kusumaningrum, Fadila Aulia; 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.v10i4.7080

Abstract

Kanker otak adalah salah satu jenis kanker dengan tingkat kematian yang tinggi secara global. Penyakit ini sering kali baru terdiagnosis pada tahap akhir, saat pilihan pengobatan sudah terbatas. Oleh sebab itu, deteksi dini menjadi sangat penting untuk memungkinkan pengobatan lebih awal, sehingga peluang kesembuhan dapat meningkat.. Penelitian ini mengevaluasi kinerja tiga algoritma machine learning yaitu Convolutional Neural Network (CNN), Artificial Neural Network (ANN), dan Residual Network (ResNet. Dataset citra medis otak yang digunakan mencakup gambar dari MRI dan CT scan yang diperoleh dari sumber terbuka dan data dari institusi medis. Gambar yang dihasilkan dianalisis oleh masing-masing algoritma setelah melalui proses preprocessing. Evaluasi kinerja mencakup akurasi, presisi, recall serta F1-score. Hasil penelitian menunjukkan bahwa Convolutional Neural Network (CNN) memiliki performa terbaik dalam mendeteksi kanker otak, dengan akurasi sebesar 92% dan F1-score yang konsisten tinggi di semua kelas. Artificial Neural Network (ANN) berada di posisi kedua dengan akurasi 84%, sementara Residual Network (ResNet) memiliki performa paling rendah, hanya mencapai akurasi 33%.
MEMPREDIKSI TINGKAT KECELAKAN JALAN RAYA DI SALATIGA MENGGUNAKAN MACHINE LEARNING Febrian, Andika Rossy; Hendry, Hendry
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.v10i4.6959

Abstract

Kecelakaan merupakan suatu kejadian dijalan yang tidak terduga yang melibatkan kendaraan dan mengakibatkan korban jiwa maupun kerugian material, kecelakaan juga disebut sebagai kejadian yang memiliki multi faktor atau memiliki banyak penyebab yang mempengaruhi terjadinya kecelakaan. Penelitian ini memiliki tujuan yaitu untuk meramalkan atau memprediksi kecelakaan lalu lintas menggunakan metode Random Forest dan Linear Reggresion dengan bahasa pemrograman Python. Data yang digunakan dalam penelitian ini yaitu data dari BPS (Badan pusat Statistik) kota Salatiga dengan periode dari Tahun 2017 sampai dengan Tahun 2023 dengan selang waktu perbulan. Penerapan dari kedua model menunjukan untuk model Linear Reggression memiliki hasil yang lebih baik dari pada model Random Forest ini dikarenakan pada perhitungan Random Forest selalu menunjukan hasil decimal dan tidak genap akan tetapi kekurangan tersebut dapat dibenahi dengan menggunakan tools Difference yang beeguna untuk membantu mengidentifikasi pola atau kesalahan system dan memberikan arahan untuk perbaikan kedepannya
FAKTOR-FAKTOR YANG MEMPENGARUHI ADOPSI SISTEM INFORMASI MANAJEMEN KEPEGAWAIAN (SIMPEG) PADA KEMENTERIAN AGAMA PROVINSI PAPUA BARAT Elsa Sarungallo, Foebryani; Ferdinand Marini, Lion; Yertas Baisa, Lorna
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.v10i4.6767

Abstract

Saat ini, penggunaan teknologi informasi di era globalisasi semakin disadari oleh berbagai organisasi modern dan instansi pemerintah. Oleh karena itu, sangat penting bagi instansi pemerintah untuk memanfaatkan teknologi sistem informasi yang ada. Penggunaan teknologi sistem informasi di instansi pemerintah telah meningkat. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mempengaruhi adopsi sistem informasi di Kementerian Agama Provinsi Papua Barat, dengan menerapkan model UTAUT 2. Model ini terdiri dari sembilan variabel, yaitu: performance expectancy, effort expectancy, social influence, facilitating conditions, hedonic motivations, price value, habit, behavioral intention, dan use behavior. Penelitian ini tergolong eksplanatori, yang bertujuan menjelaskan hubungan kausal antara variabel-variabel melalui pengujian hipotesis. Data dikumpulkan dengan menyebarkan kuesioner melalui Google Form. Metode analisis data yang digunakan adalah Structural Equation Modelling (SEM) PLS. Hasil penelitian menunjukkan bahwa performance expectancy, facilitating conditions, price value, dan habit tidak berpengaruh signifikan terhadap behavioral intention, sedangkan effort expectancy, social influence, dan hedonic motivation memiliki pengaruh positif dan signifikan terhadap behavioral intention. Behavioral intention, pada gilirannya, memberikan pengaruh positif dan signifikan terhadap use behavior. Penelitian ini menekankan faktor-faktor yang berkontribusi pada adopsi sistem informasi untuk pengelolaan kepegawaian yang lebih efisien dan mudah digunakan.

Page 104 of 113 | Total Record : 1124

 102   103   104   105   106 

Filter by Year

2016 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