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 1,172 Documents
 114   115   116   117   118 
PERANCANGAN SISTEM ANTRIAN DIGITAL BERBASIS IOT DI PUSKESMAS KAMPUNG SAMBURAKAT Muhammad Zaidan Nibroos; Abdul Rahim; Arbansyah Arbansyah
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.v11i2.8132

Abstract

Pengelolaan antrean secara manual masih menjadi kendala di beberapa fasilitas pelayanan kesehatan, termasuk Puskesmas Kampung Samburakat. Proses antrean yang tidak teratur seringkali menimbulkan ketidaknyamanan bagi pasien serta menyulitkan petugas dalam mengatur alur pelayanan. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun sistem antrean digital berbasis Internet of Things (IoT) yang terintegrasi dengan website sebagai solusi pengelolaan antrean yang lebih efisien dan terstruktur. Sistem ini dikembangkan menggunakan metode Waterfall, dimulai dari tahap analisis kebutuhan, perancangan, implementasi, pengujian, hingga pemeliharaan. Hasil implementasi menunjukkan bahwa sistem berhasil mengelola antrean secara otomatis melalui pemakaian perangkat keras dan aplikasi web. Pasien dapat mengambil nomor antrean menggunakan tombol sentuh dan mendapatkan tiket cetak, sementara operator dapat memantau antrean melalui antarmuka website. Hasil kuesioner menunjukkan mayoritas pengguna merasa puas terhadap sistem ini, khususnya dalam aspek kemudahan, keteraturan antrean, dan kejelasan informasi. Dengan sistem ini, efisiensi dan kualitas pelayanan di Puskesmas mengalami peningkatan signifikan.
Klasifikasi Ulos Batak Toba Menggunakan Metode Convolutional Neural Network(CNN) Berbasis Web Kristo Pandapotan Samosir; Marlinda Sanglise; Lion Ferdinand Marini
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.v11i2.7782

Abstract

Ulos adalah kain tenun khas Batak yang memiliki peran penting da-lam budaya Batak. Pada saat ini, terdapat ratusan jenis ulos yang tersebar di seluruh Indonesia, masing-masing dengan nama dan maknanya sendiri. Namun, masih terdapat kendala dalam mengenali jenis-jenis ulos. Salah satu kendala utama adalah kesamaan motif dan warna antar jenis ulos, yang sering kali menyebabkan kesalahan identifikasi, terutama di kalangan masyarakat Batak sendiri. Untuk mengatasi masalah ini, diperlukan sebuah model yang mampu mengklasifikasikan jenis-jenis ulos serta sistem yang dapat mem-berikan informasi mengenai fungsi dan penggunaannya. Dalam penelitian ini, metode Convolutional Neural Network (CNN) digunakan karena memiliki kemampuan yang baik dalam mengenali gambar atau citra. Model yang dikembangkan terdiri dari 4 lapisan konvolusi, 4 lapisan MaxPooling, dan 2 lapisan Fully Connected. Data citra yang digunakan terdiri dari 1.440 citra, yang dibagi men-jadi 960 citra pelatihan, 240 citra validasi, dan 240 citra pengujian. Model ini mencapai akurasi terbaik sebesar 95% untuk pelatihan dan 97% untuk validasi. Selain mengembangkan model deep learn-ing berbasis CNN, hasil penelitian ini juga akan diimplementasikan dalam bentuk situs web menggunakan Django, sebuah framework berbasis Python. Situs ini memungkinkan pengguna untuk mengung-gah gambar ulos guna diklasifikasikan serta mendapatkan penjela-san mendalam mengenai jenis ulos dan fungsinya dalam budaya Batak.
Analisis Citra Mikroskopik Beras Organik dan Non-Organik Berdasarkan Fitur Tekstur Menggunakan Metode K-Nearest Neighbor Meidina Revi Sandra Pertiwi; Supatman Supatman
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.v11i2.7808

Abstract

Beras merupakan salah satu bahan pangan pokok selain gandum, terutama di Benua Asia yang sebagian besar penduduknya mengonsumsi beras. Beras organik dan non-organik tersedia di pasaran, namun konsumen kesulitan membedakannya. Penelitian ini bertujuan untuk menganalisis citra mikroskopik antara beras organik dan non-organik berdasarkan tekstur. Metode yang digunakan mencakup ekstraksi fitur tekstur Gray Level Co-occurrence Matrix (GLCM) dan wavelet, serta klasifikasi menggunakan K-Nearest Neighbor (KNN). Fitur GLCM yang diekstraksi meliputi contrast, homogeneity, energy, dan correlation, sedangkan fitur wavelet diperoleh dari empat sub-band, yaitu LL, LH, HL, dan HH dengan parameter mean, standard deviation, maximum, dan minimum. Dataset penelitian terdiri dari 600 citra beras organik dan non-organik dengan resolusi 640 × 480 piksel yang diambil menggunakan mikroskop digital. Citra tersebut kemudian diproses melalui tahapan cropping, konversi ke grayscale, dilanjutkan dengan ekstraksi fitur, dan klasifikasi menggunakan KNN. Hasil penelitian menunjukkan bahwa penggunaan fitur GLCM menghasilkan akurasi sebesar 0,8111 dengan nilai K=6. Penggunaan fitur wavelet menghasilkan akurasi sebesar 0,8222 dengan nilai K=10. Sementara itu, kombinasi fitur GLCM dan wavelet menghasilkan akurasi tertinggi sebesar 0,8389 dengan nilai K=24. Hasil penelitian ini menunjukkan bahwa beras organik dan non-organik dapat diklasifikasikan melalui analisis tekstur permukaannya, sehingga temuan ini dapat menjadi dasar dalam pengembangan perangkat lunak untuk identifikasi beras organik dan non-organik.
IDENTIFIKASI PENYAKIT DAUN DAN BATANG TANAMAN JAGUNG MENGGUNAKAN VGG16-SVM Shintyadhita Wirawan Putri; Anggraini Puspita Sari; Firza Prima Aditiawan
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.v11i2.8020

Abstract

Penelitian ini mengusulkan model klasifikasi citra berbasis pendekatan hybrid antara Convolutional Neural Network (CNN) dan Support Vector Machine (SVM) untuk mendeteksi penyakit pada daun dan batang tanaman jagung. Arsitektur CNN yaitu VGG16 digunakan untuk mengekstraksi fitur visual dari citra, yang kemudian direduksi dimensinya menggunakan Principal Component Analysis (PCA), dan selanjutnya diklasifikasikan menggunakan SVM. Dataset yang digunakan terdiri dari tujuh kelas, diambil dari dua sumber citra penyakit jagung di Madura, Indonesia. Evaluasi dilakukan melalui pembagian data dengan beberapa skema serta pengujian kombinasi parameter SVM. Hasil terbaik diperoleh pada skema pembagian data 60:20:20 dengan kombinasi parameter C=10, kernel=RBF, dan gamma=scale, menghasilkan akurasi validasi sebesar 96,33% dan akurasi pengujian sebesar 96,12%. Model menunjukkan performa yang baik dalam membedakan kategori batang, serta cukup baik pada kategori daun meskipun terdapat kemiripan fitur antar kelas.
WEBSITE MONITORING KESEHATAN HEWAN PELIHARAAN MENGGUNAKAN METODE 5 WAYS OF DESIGN THINKING Azrul Zuhrie; Wildan Suharso
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.v11i2.8076

Abstract

Aspek kesehatan hewan kesayangan merupakan komponen vital dalam menjamin kesejahteraan baik hewan maupun pemiliknya. Dalam upaya meningkatkan pengawasan kesehatan hewan kesayangan, pengembangan platform pemantauan berbasis website menjadi alternatif yang menjan jikan. Namun, seringkali platform semacam ini kurang memperhatikan aspek kebutuhan pengguna dalam perancangannya. Penelitian ini ber tujuan merancang platform pemantauan kesehatan hewan kesayangan yang berfokus pada kemudahan pencatatan, pemantauan, dan edukasi menggunakan pendekatan Design Thinking. Metodologi ini mempriori taskan pemahaman mendalam pengguna di samping proses berulang yang berkelanjutan di lima tahap desain: Empathize, Define, Ideate, Pro totype, dan Test. Rangkaian prosedur ini menyelidiki tampilan pengguna, menganalisis masalah, mengembangkan solusi yang berpusat pada pengguna, dan mengevaluasi prototipe situs web. Temuan menunjukkan bahwa penerapan Design Thinking menghasilkan perangkat lunak pemantauan kesehatan hewan peliharaan yang lebih intuitif, responsif, dan berpusat pada pengguna. Platform ini diantisipasi untuk meningkat kan kualitas perawatan kesehatan hewan peliharaan dan memfasilitasi di agnosis dini penyakit berbahaya.
SENTIMENT ANALYSIS ON SIKSA KUBUR MOVIE REVIEWS: A COMPARATIVE STUDY BETWEEN NAÏVE BAYES AND SUPPORT VECTOR MACHINE METHOD Linda Handayani; Andariza Permana
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.v11i2.7043

Abstract

This study examines user reviews of application X about the film Siksa Kubur by Joko Anwar which was released in 2024. The purpose of this study is to conduct user sentiment analysis and compare the results of sentiment analysis using the naïve bayes method and support vector machine based on training data scenarios and test data. The data collected through tweet harvest using the Python script on google colab is 3450 containing "siksa kubur". The research method used is an experimental method consisting of the stages of data collection, data preprocessing, feature extraction, model data training and evaluation. Sentiment is classified using the TextBlob library so that the most sentiment is neutral with 1254 tweets. Then the data is classified using the Naïve Bayes and SVM methods. Testing is carried out by dividing the training data scenario and training data, so that it is found that the best results are obtained with the training data scenario and test data 90%: 10%. The evaluation results obtained showed that the SVM method had the best results with accuracy, precision, recall and f1-score of 86%, 87%, 84% and 85% respectively based on the confusion matrix
RANCANG BANGUN SISTEM INFORMASI AKADEMIK SEKOLAH BERBASIS KURIKULUM MERDEKA TINGKAT SMA Felliani Kurniawati; Fawwaz Ali Akbar; Eva Yulia Puspaningrum
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.v11i2.8270

Abstract

Sistem informasi mulai banyak digunakan di segala sektor kehidupan, terutama di sektor pendidikan. Kurikulum Merdeka merupakan kurikulum baru yang diterapkan di sekolah, terutama tingkat SMA. Kebiijakan baru yang memberikan opsi kepada siswa untuk bisa memilih mata Pelajaran pilihan sendiri. Pendataan sekolah menjadi kompleks dan membutuhkan waktu lama untuk mengelola data jika dilakukan secara manual. Maka dari itu, penelitian ini bertujuan untuk merancang sistem informasi akademik sekolah dengan fitur yang bisa melakukan proses pendataan mata pelajaran siswa. Tahapan metode penelitian berupa pengumpulan data, analisis dan perancangan sistem, pembuatan sistem, dan pengujian sistem. Pengujian menggunakan metode blackbox testing untuk menguji fungsionalitas sistem. Hasil penelitian ini menunjukkan hasil bahwa sistem bisa berjalan sesuai dengan fungsionalitas sistem dan dapat digunakan untuk pendataan data-data.
ANALISIS DAN PERANCANGAN SISTEM INFORMASI ABSENSI MENGGUNAKAN QR CODE BERBASIS WEB MENGGUNAKAN DESIGN SCIENCE REASEARCH METHODOLOGY STUDI KASUS DISKOMINFO KABUPATEN SEMARANG Luqman Wisnumurti; 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.v11i2.8062

Abstract

Pada era globalisasi, internet digunakan secara luas termasuk oleh Lembaga pemerintahan. Lembaga pemerintah memanfaatkan internet sebagai sistem informasi dan komunikasi. Salah satu Lembaga pemerintah yaitu Dinas Komunikasi dan Informasi Kabupaten Sema-rang ditemukan permasalahan absensi yang masih dilakukan secara manual. Hal ini menyebabkan memperlambat proses penyimpanan dan manajelan data. Untuk mengatasi masalah tersebut, dibutuhkan sistem absensi online. Penelitian ini bertujuan untuk menganalisis kon-disi dan tantangan dalam pengelolaan sistem absensi konvensional, mempelajari keuntungan dan manfaat penggunaan QR code dalam sistem absensi berbasis web, menganalisis kebutuhan sistem absensi menggunakan QR code berbasis web, merancang arsitektur sistem yang efisien dan aman untuk sistem absensi berbasis QR code, serta melakukan implementasi sistem absensi menggunakan QR code ber-basis web secara efektif. Metode yang digunakan adalah Design Re-search Method (DSR). Hasil dari penelitian ini berdasarkan pada de-saign penelitian menggunakan metode waterfall dilakukan secara struktur dan sistematis sesuai dengan siklus pengembangan yang ada, yaitu membahas tentang 1) Requirments analysis, 2) Design, 3) Devel-opment dan 5). Testing sistem informasi absensi menggunakan QR Code yang ditujukan kepada DISKOMINFO Kabupaten Semarang. Penelitian ini menghasilkan sistem absensi berbasis QR code memung-kinkan pengunjung melakukan absensi dengan cepat dan mudah. Peneltian ini mengasilkan abseinsi berbasis web. Hasil pengujian secara keseluruhan, sistem absensi berbasis kode QR ini memenuhi persyara-tan dan spesifikasi yang diharapkan untuk digunakan.
OPTIMIZATION OF DIABETES PREDICTION USING MACHINE LEARNING MODELS: THE ROLE OF PREPROCESSING AND TEST SIZE VARIATIONS Irfan Kurniawan; Ema Utami
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.v10i1.7454

Abstract

Diabetes mellitus remains one of the fastest-growing non-communicable diseases in the world, with global prevalence pro-jected to rise from 463 million cases in 2019 to 578 million by 2030 and 700 million by 2045. Timely and accurate risk prediction is therefore essential for early clinical intervention. This study exam-ines how data preprocessing strategies and train–test split ratios jointly affect the predictive accuracy of three widely used machine learning classifiers Random Forest, Support Vector Machine (SVM), and Naïve Bayes applied to the Pima Indians Diabetes Database (PIDD). Physiologically implausible zero values in the Glucose, Blood Pressure, Skin Thickness, Insulin, and BMI attributes were treated as missing and imputed using the median owing to the pres-ence of substantial outliers. Three scaling techniques (Min-Max, Standard, and Robust Scaling) were then compared against the un-scaled dataset across three train–test split configurations (0.1, 0.2, and 0.3). The experimental results show that Random Forest con-sistently achieved the highest accuracy across every preprocessing scenario, peaking at 89.61% with Min-Max Scaling and a 0.1 test size. SVM benefited considerably from feature scaling, reaching 87.01% accuracy under the same configuration, while Naïve Bayes performed best on the untransformed data (81.82%) and slightly declined after scaling, confirming its comparative insensitivity to feature magnitude. Further analysis indicates that, because tree-splitting criteria are theoretically invariant to monotonic feature transformation, most of the accuracy gain attributed to “prepro-cessing” in Random Forest is more plausibly explained by the medi-an-imputation step than by scaling itself a distinction not previously articulated in this line of research. These findings demonstrate that the benefit of preprocessing is algorithm-dependent rather than uni-versal, and that smaller test sizes generally favor tree-based ensem-bles by providing more training instances. The study contributes empirical evidence and a practical decision framework for selecting preprocessing pipelines according to classifier characteristics, ra-ther than assuming a one-size-fits-all approach in diabetes predic-tion research.
IDENTIFIKASI KUALITAS IKAN BANDENG MELALUI CITRA MATA MENGGUNAKAN SVM Delia Citra Kurniasari; Anggraini Puspita Sari; Hendra Maulana
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.v11i2.7843

Abstract

Penilaian tingkat kesegaran ikan bandeng secara manual sering kali menimbulkan ketidaktepatan, terutama karena perbedaan visual antar tingkat kesegaran yang tampak serupa. Ketidaktepatan dalam mengklasifikasikan kesegaran ikan dapat menyebabkan kesalahan dalam pengambilan keputusan, misalnya saat pembelian atau penentuan kelayakan konsumsi. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi tingkat kesegaran ikan bandeng berdasarkan citra mata ikan menggunakan metode ekstraksi fitur dari arsitektur MobileNetV3-Small yang dikombinasikan dengan algoritma SVM. Proses pengujian digunakan untuk mengevaluasi pengaruh berbagai kombinasi kernel (Linear, Polynomial, dan RBF), parameter regulasi (C), serta parameter gamma (γ) terhadap performa model klasifikasi. Hasil pengujian menunjukkan bahwa kombinasi terbaik diperoleh pada kernel Polynomial dengan nilai C = 1 dan γ = 0.1, yang menghasilkan akurasi tertinggi sebesar 99,17%. Evaluasi performa sistem menggunakan metrik akurasi, presisi, recall, dan F1-score menunjukkan bahwa model mampu mengklasifikasikan dua kelas (ikan bandeng segar dan tidak segar) dengan sangat baik, masing-masing mencapai nilai 0.99 pada seluruh metrik evaluasi. Selain itu, nilai macro average dan weighted average juga berada pada angka 0.99, menunjukkan performa yang seimbang dan konsisten tanpa bias antar kelas. Dengan demikian, sistem yang dikembangkan memiliki potensi tinggi untuk diterapkan dalam sistem inspeksi mutu otomatis di sektor perikanan guna mendukung proses penilaian kesegaran ikan secara efisien dan objektif.

Page 116 of 118 | Total Record : 1172

 114   115   116   117   118 

Filter by Year

2016 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