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
 104   105   106   107   108 
AN ANALYSIS OF USER SATISFACTION USING SENTIMENT ANALYSIS AND TOPIC MODELING: A CASE OF LIVIN MANDIRI MOBILE APPLICATION Sirait, Cindi Apriyanti; Inan, Dedi Iskandar; Juita, Ratna; Sirait, Victor Arie Lambadya
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.v10i4.6644

Abstract

Di era digital saat ini, gaya hidup instan telah mendorong adopsi layanan mobile banking (m-banking) secara luas. Di antara yang populer mengingat jumlah penggunanya di Indonesia adalah Livin by Mandiri, yang dikembangkan oleh Bank Mandiri. Meskipun Livin Mandiri menawarkan kepuasan yang relatif baik berdasarkan ulasan pengguna di Google Play Store, ia juga menawarkan ruang untuk perbaikan aplikasi karena ada berbagai ulasan negatif. Penelitian ini bertujuan untuk menganalisis dan mengevaluasi kepuasan pengguna aplikasi dengan memanfaatkan analisis sentimen dan pemodelan topik. Analisis sentimen dilakukan untuk mengkategorikan pendapat pengguna sebagai positif, negatif, atau netral berdasarkan ulasan. Pemodelan topik digunakan sebagai sarana untuk mengidentifikasi ulasan spesifik dari teknik analisis sentimen, misalnya yang negatif, sebagai dasar untuk perbaikan aplikasi. Hasilnya menunjukkan bahwa, dari 13.692 ulasan yang dikumpulkan dan dianalisis, 48% mencerminkan sentimen negatif, 36% positif, dan 16,03% netral. Selain itu, pemodelan topik menggunakan Latent Dirichlet Allocation (LDA) memberikan pemahaman yang lebih baik dan lebih rinci tentang sentimen ini dengan mengungkap bahwa seringnya aplikasi mogok, bug transaksi, dan kesulitan login di antara masalah teknis dan kinerja aplikasi sebagai keluhan utama dari pengguna. Temuan ini memberikan wawasan penting bagi Bank Mandiri untuk fokus memperbaiki masalah ini dengan harapan dapat meningkatkan pengalaman pengguna dan loyalitas pengguna aplikasi. Rincian dan arahan penelitian lebih lanjut juga dibahas kemudian dalam makalah ini.
ANALISIS TINGKAT ADOPSI PENGGUNAAN MOBILE PAYMENT DI UMKM BINAAN JAWA TIMUR MENGGUNAKAN EXTENDED TECHNOLOGY-ORGANIZATION-ENVIRONMENT (TOE) Wiratna, Siwi; Hidayat, Alifiansyah Arrizqy; Istyanto, Noerma Pudji
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.6278

Abstract

Teknologi informasi memiliki banyak manfaat dalam mendukung dan mendorong keputusan organisasi. Namun survei Dinas Koperasi dan UKM Jawa Timur tahun 2022, menyatakan penggunakan teknologi pembayaran oleh UMKM binaan masih dibawah 10%. Penggunaan mobile payment mampu mempermudah proses transaksi, beberapa pembeli meminta pembayaran transfer, dan tidak khawatir dengan uang kembalian. Akan tetapi UMKM Binaan yang menyesalkan adanya potongan biaya, pemahaman yang kurang, terbiasa dengan pembayaran manual, dan keterbatasan penggunaan. Oleh karena itu, peneliti melakukan pengujian model extended Technology-Organization-Environment (TOE) oleh Tran Hung melalui teknik ana-lisis CB-SEM. Mobile payment yang dikaji merupakan penyesuaian dari penggunaan paling banyak oleh UMKM binaan dengan ruang lingkup Provinsi Jawa Timur yaitu mobile banking, QRIS, dan Sho-peePay. Berdasarkan hasil penelitian pada UMKM binaan di Jawa Ti-mur, menunjukkan bahwa adopsi mobile payment dipengaruhi secara positif signifikan oleh technological orientation. Relative advantage, Observability, Perceived tren, dan Legal framework memberikan pengaruh secara positif namun tidak signifikan pada adopsi mobile payment. Sedangkan untuk hubungan negatif tidak signifikan di-pengaruhi oleh Compatibility, Top manajement support, Firm size, En-trepreneurial orientation, Competitive pressure dan Government sup-port. Sementara itu Business performance dari UMKM binaan di-pengaruhi oleh Mobile Payment Adoption Intention, dan firm age secara positif signifikan, serta dipengaruhi secara negatif tidak signif-ikan oleh Number of employee.
Pengembangan Sistem Inventori Dan Monitoring Stok Wedrink Dengan Pendekatan Machine Learning Dan Notifikasi Real-Time Melalui Whatsapp Bot Hardito, Franciscus Xaverius Andika; Suhendra, Christian Dwi; Baisa, Lorna Yertas
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.v11i1.7704

Abstract

Pengelolaan inventori yang masih manual di Wedrink Manokwari menimbulkan berbagai permasalahan operasional seperti ketidakakuratan data stok, keterlambatan pembaruan informasi, dan kesulitan dalam melakukan tracking barang secara real-time. Penelitian menunjukkan bahwa 67% perusahaan yang masih menggunakan sistem inventori manual mengalami kerugian rata-rata 15-20% dari total pendapatan tahunan. Penelitian ini bertujuan untuk mengembangkan sistem monitoring stok berbasis web dengan framework Laravel yang mengintegrasikan teknologi QR Code untuk otomatisasi pencatatan, machine learning untuk prediksi ketersediaan stok, dan notifikasi real-time melalui WhatsApp Bot. Metode penelitian menggunakan pendekatan System Development Life Cycle (SDLC) dengan model Waterfall yang terdiri dari lima tahap: analisis kebutuhan, perancangan sistem, pengembangan, pengujian, dan implementasi. Hasil penelitian menunjukkan bahwa sistem berhasil meningkatkan efisiensi operasional dengan pencapaian system uptime 99.9%, response time kurang dari 2 detik, dan akurasi prediksi machine learning di atas 95%. User Acceptance Testing (UAT) mencapai tingkat penerimaan 100% dari manager operasional dan staf dengan skor kepuasan pengguna 4.8/5, serta menunjukkan peningkatan efisiensi waktu hingga 75% dibandingkan sistem manual. Dapat disimpulkan bahwa implementasi sistem monitoring stok dengan integrasi QR Code, machine learning, dan WhatsApp Bot berhasil mengotomatisasi proses pencatatan stok, memberikan notifikasi real-time, menghasilkan laporan akurat, dan menyediakan prediksi ketersediaan stok yang tepat. Pengembangan lebih lanjut disarankan untuk menambahkan fitur analisis prediktif yang lebih kompleks, meningkatkan keamanan sistem, dan mengoptimalkan model machine learning.
ESTIMASI HARGA PROPERTI RUMAH MENGGUNAKAN ALGORITMA MULTIPLE LINEAR REGRESSION DAN RANDOM FOREST REGRESSOR DENGAN TEKNIK WEB SCRAPING PADA WEBSITE PENJUALAN RUMAH DI YOGYAKARTA Sobirin, Rahmat; Kusrini, Kusrini; Wibowo, Ferry Wahyu
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.v10i4.6463

Abstract

Penelitian ini mengeksplorasi estimasi harga properti rumah di Yogyakarta dengan menggunakan algoritma Multiple Linear Regression (MLR) dan Random Forest Regressor (RFR), didukung oleh teknik web scraping untuk pengumpulan data. Teknik web scraping digunakan untuk mengumpulkan data harga rumah dari situs penjualan online, mencakup informasi seperti lokasi, luas bangunan, dan fitur-fitur lainnya. Data yang terkumpul diproses dan dianalisis dengan Algoritma MLR dan RFR untuk menghasilkan model estimasi harga yang akurat. Hasil analisis menunjukkan bahwa kedua algoritma efektif dalam memprediksi harga rumah, dengan Random Forest Regressor memberikan hasil yang sedikit lebih baik dengan nilai R-Square sebesar 0.943 atau 94,3%  dibandingkan Multiple Linear Regression dengan nilai R-Square sebesar 0.90 atau 90%. Penelitian ini menyoroti potensi kombinasi teknik web scraping dan machine learning dalam meningkatkan keakuratan estimasi harga properti serta memberikan wawasan berharga bagi pengembangan model prediksi harga di pasar real estat lokal.
PENGEMBANGAN MEDIA PEMBELAJARAN INTERAKTIF BERBASIS AUGMENTED REALITY (AR) PADA MATERI SISTEM KOMPUTER MATA PELAJARAN INFORMATIKA KELAS IX SMP Ramadhan, Minggar Putra Dhea; Herwanto, Heru Wahyu; Wardhani, Eka Rakhmawati
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 3 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i3.8028

Abstract

Penelitian ini berupaya untuk merancang dan mengembangkan media pembelajaran interaktif berbasis Augmented Reality (AR) pada materi sistem komputer untuk siswa kelas IX SMP. Penelitian ini memiliki latar belakang yaitu dengan adanya kesulitan peserta didik dalam me-mahami konsep sistem komputer yang bersifat abstrak dan kurangnya media visual yang konkret dalam proses pembelajaran. Penelitian ini memanfaatkan metode penelitian dan pengembangan (R&D) dengan model ADDIE yang terdiri dari lima tahap, yaitu : analisis, perancangan, pengembangan, implementasi, dan evaluasi. Produk yang dihasilkan berupa aplikasi AR yang menampilkan objek tiga di-mensi (3D) perangkat sistem komputer yang dapat diakses melalui smartphone dan dilengkapi dengan fitur interaktif. Validasi melibatkan ahli materi dan media, serta uji coba yang dilakukan pada kelompok kecil dan kelompok besar. Hasil validasi pada penelitian ini menunjuk-kan bahwa media ini sangat valid dan dapat digunakan tanpa adanya revisi, dengan nilai rata-rata validasi 90,5%. Nilai skor ini termasuk da-lam kategori sangat layak digunakan dan efektif dalam meningkatkan hasil belajar peserta didik. Hasil tersebut dihasilkan dengan berdasar-kan hasil berikut : (1) persentase dari ahli materi sebesar 91,25%, (2) persentase dari ahli media sebesar 95,83%, (3) persentase dari hasil uji coba kelompok kecil sebesar 89,51%, dan (4) persentase dari uji coba kelompok besar memperoleh skor sebesar 85,35%, berdasarkan hasil tersebut maka semuanya dapat dikategorikan sebagai sangat layak dan valid. Maka dengan itu, media pembelajaran berbasis AR dapat menjadi solusi inovatif dalam menyampaikan materi sistem komputer secara lebih interaktif, konkret, dan menarik bagi peserta didik.
OPTIMALISASI PENANGANAN SPARSITY MENGGUNAKAN RANDOM FOREST, DEEP LEANING, DAN HOT-DECK IMPUTATION Lestari, Sri; Satrio, Rafli Banu; Kurniawan, Hendra; Saleh, Sushanty
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.v11i1.7692

Abstract

Sparsity data dalam sistem rekomendasi dapat menurunkan akurasi prediksi dan relevansi saran. Penelitian ini membandingkan tiga metode imputasi—Random Forest Imputation, Deep Learning-Based Imputa-tion, dan Hot-Deck Imputation—dengan evaluasi menggunakan RMSE pada berbagai tingkat sparsitas. Hasil menunjukkan bahwa Random Forest Imputation consistently menghasilkan RMSE terendah di semua kondisi. Pada sparsitas 20%, metode ini lebih unggul dibandingkan Deep Learning-Based Imputation dengan selisih hingga 0.443 dan Hot-Deck Imputation hingga 0.338. Perbedaan RMSE se-makin meningkat seiring bertambahnya sparsitas, dengan selisih terbesar pada sparsitas tertinggi masing-masing dataset. Secara kese-luruhan, Random Forest Imputation terbukti paling efektif dalam me-nangani sparsitas dan meningkatkan akurasi rekomendasi.
KLASTERISASI KONDISI TANAH PADA URBAN FARMING DI SURABAYA DENGAN METODE K-MEANS CLUSTERING BERDASARKAN DATA SENSOR TANAH Fuady, Ahmad Ihsan; Widyantara, Helmy; Lidiawaty, Berlian Rahmy
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.v10i4.6483

Abstract

Tahun 2045 sekitar 70% populasi Indonesia akan tinggal di area perkotaan, sehingga isu ketersediaan lahan pertanian dan pangan menjadi semakin krusial. Tahun 2021, Kota Surabaya menunjukkan 81% lahan pertanian adalah lahan non-sawah. Untuk menghadapi dampak urbanisasi dan memastikan keberlanjutan pasokan pangan diperlukan solusi potensial dengan urban atau urban farming. Salah satu implementasi urban farming di Surabaya adalah rooftop Telkom University Surabaya, yang dilengkapi sensor pemantau kondisi tanah secara real-time. Namun sensor ini belum diproses sistematis untuk menentukan jenis tanaman yang sesuai untuk ditanam. Penelitian ini bertujuan untuk mengelompokkan data kondisi tanah menggunakan metode kmeans clustering yang berdasarkan kesamaan karakteristik. Data yang digunakan mencakup tujuh variabel kondisi tanah, yaitu nitrogen, fosfor, kalium, pH, suhu, konduktivitas, dan kelembaban. Klasterisasi dilakukan pada data rata-rata harian selama 74 hari pengukuran. Evaluasi model dilakukan menggunakan dua metode utama: Elbow method dan Silhouette Score. Hasil evaluasi menunjukkan terdapat enam cluster optimal. Penurunan nilai WCSS (Within-Cluster Sum of Squares) tidak signifikan setelah enam cluster, sementara nilai silhouette score menurun setelah titik enam cluster. Setiap cluster yang terbentuk menunjukkan kondisi tanah yang serupa, yaitu suhu tinggi dan kelembaban rendah, dengan pH yang agak masam. Selain itu, terdapat variasi kandungan nitrogen, fosfor, kalium, dan konduktivitas antar cluster. Cluster dengan jumlah data terbanyak adalah C2, yang terdiri dari 23 data, sementara cluster dengan jumlah data paling sedikit adalah C4, yang hanya memiliki satu data. Hasil penelitian memberikan wawasan tentang kondisi tanah urban farming dan menawarkan rekomendasi tanaman untuk kebutuhan pangan di lingkungan perkotaan.
DETEKSI PORNOGRAFI PADA CITRA KARAKTER ANIMASI DENGAN HSV DAN YCBCR MENGGUNAKAN NAÏVE BAYES Jannah, Azzahratul; Pratiwi, Nunik
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.v10i1.5883

Abstract

Teknologi pembuatan animasi berkembang semakin pesat. Animasi perempuan digunakan dalam berbagai bidang seperti komik atau karakter anime, film, iklan, dan game online. Dengan berkembangnya animasi juga menimbulkan dampak negatif dan positif. Adanya simbol yang mengarah pada pornografi merupakan salah satu dampak negatif yang muncul.. Sebagian besar animasi yang memiliki unsur negatif tersebar luas melalui internet dan dapat mudah dijangkau oleh semua orang, tanpa memandang usia. sehingga dapat menyebabkan kecanduan pornografi dan penyimpangan lainnya. Saat ini kecerdasan buatan yang berkembang pesat juga memungkinkan pendeteksian dini terhadap karakter animasi yang mengandung unsur pornografi. Salah satunya adalah dengan deteksi citra animasi yang dilakukan dengan menggunakan metode deteksi warna kulit yang menggabungkan ruang warna HSV dan YCbCr dan kemudian diklasifikasikan dengan algoritma Naïve Bayes. Berdasarkan pengujian yang dilakukan terhadap 396 citra yang terdiri dari 198 citra kelas porno dan 198 kelas non_porn dengan, diperoleh akurasi sebesar 76,25%. Hasil percobaan menunjukkan bahwa dengan menggabungkan kedua ruang warna tersebut, model dapat bekerja dengan baik dalam mendeteksi ada atau tidaknya unsur pornografi pada citra karakter animasi perempuan.
ANALYSIS OF THE IMPACT OF E-SERVICE QUALITY, USER EXPERIENCE, AND SALES PROMOTION ON IMPULSIVE BUYING IN THE SOCO BY SOCIOLLA AND SEPHORA APPLICATIONS Prayunita, Dinda Amira; Makky, Muhammad Al; Wibowo, Yanuar Firdaus Arie
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.v10i1.6048

Abstract

This study uses the PLS-SEM method to explore the effect of e-service quality, user experience, and sales promotion on impulse buying behavior on the SOCO by Sociolla and Sephora applications. The research is motivated by the competitive landscape of the e-commerce beauty and cosmetics sector, which demands an understanding of factors influencing impulsive buying. While previous studies emphasize e-service quality and user experience in customer satisfaction, their direct impact on impulsive buying remains unclear. Active users of the SOCO by Sociolla and Sephora applications provided information via an online questionnaire, which was then evaluated using SmartPLS. The findings demonstrate that sales promotions have a major and advantageous impact on impulsive purchasing, emphasizing the effectiveness of alluring offers like discounts, free shipping coupons, and special promotions for new users in inciting impulsive purchases. On the other hand, although crucial for overall satisfaction, e-service quality and user experience have no direct bearing on impulsive buying in this study. Current solutions focus on enhancing sales promotion strategies to attract more customers. However, further improvements in service quality and user experience could lead to higher customer loyalty and repeat purchases. Conclusively, the study offers significant perspectives to the e-commerce sector regarding the significance of inventive sales promotion tactics in stimulating spontaneous purchasing tendencies, underscoring the necessity of a well-rounded strategy that takes user experience and service quality into account.
IMPLEMENTATION OF MACHINE LEARNING IN IMPROVING WEBSITE USER EXPERIENCE AND SATISFACTION Alyusi, Shiefti Dyah; Yuadi, Imam
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.v10i1.7439

Abstract

This research aims to analyze user satisfaction in accessing the Airlangga University library website through the application of machine learning algorithms. The benefit of this research is that it provides insight into improving the quality of digital library services based on data-based analysis. The methods used include user surveys, data preprocessing, and application of the Orange Data Mining with models Support Vector Machine (SVM) and K-Nearest Neighbor (kNN) algorithms to classify user satisfaction levels, as well as comparing the results of the two models. The results show that the SVM model is able to achieve a Recall accuracy of 0.587 in identifying user satisfaction, but the precision metric is greater in SVM and the AUC is greater in kNN so it still requires optimization. This research concludes that the application of machine learning, especially SVM, can be an effective tool for improving user experience and providing more precise recommendations for improving library services.

Page 106 of 113 | Total Record : 1124

 104   105   106   107   108 

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