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 900 Documents
 30   31   32   33   34 
BANDUNG CITY TRAFFIC CLASSIFICATION MAP WITH MACHINE LEARNING AND ORDINARY KRIGING Winico Fazry; Sri Suryani Prasetyowati; Yuliant Sibaroni
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 4 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i4.3219

Abstract

Congestion is a problem that occurs when the number of vehicles exceeds the capacity of the road and the vehicle speed slows down. This issue is one of the main issues in big cities, including Bandung. In this study, this study aims to reduce traffic congestion in the city of Bandung. The classification process in this study uses the Support Vector Machine (SVM), Naive Bayes, and Ordinary Kriging methods. The data used is traffic counting data from ATCS in Bandung and direct observation. The traffic count data obtained contains 3804 rows. Three experimental scenarios were carried out to validate the effectiveness of the model used, the performance of the first model without oversampling, the performance of the second model with oversampling, and the performance of the third model with hyperparameter adjustment. The experimental results show that the Support Vector Machine method has higher accuracy than the Naive Bayes method, which is 93%, while the Naive Bayes method has an accuracy of 90%. The application of hyperparameter tuning and over-sampling is proven to overcome the problem of data imbalance and get better classification results. In addition, the best classification results are used in making classification maps, namely the Support Vector Machine method, and assisted with ordinary kriging to predict the surrounding area. The results of the congestion classification map show that the southern area of the city of Bandung is more unstable than other areas of the city of Bandung.
PERANCANGAN MANAJEMEN INFORMASI BERDASARKAN STANDAR NASIONAL AKREDITASI RUMAH SAKIT (SNARS) DAN JOINT COMMISSION INTERNATIONAL (JCI) PADA RUMAH SAKIT GIGI DAN MULUT (RSGM) MARANATHA Dwi Kurnianto Utomo; Iqbal Santosa; Widyatasya Agustika Nutrisha
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 4 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i4.3193

Abstract

Pengolahan data dan informasi di Rumah Sakit menjadi hal penting seiring dengan perkembangan Teknologi Informasi (TI) di zaman sekarang. Hal ini terlihat hampir seluruh RS di Indonesia sudah mengimplementasikan Sistem Informasi Manajemen Rumah Sakit (SIMRS). Dengan menggunakan SIMRS yang terintegrasi dengan berbagai aplikasi internal maupun eksternal RSGM dapat membuat RS semakin cepat dalam mengolah data dan informasi serta mengambil keputusan untuk meningkatkan pelayanan kepada masyarakat luas. Penelitian ini memiliki rumusan masalah bagaimana kondisi eksisting manajemen informasi, bagaimana hasil analisis kesenjangan manajemen informasi, bagaimana rekomendasi yang dapat diberikan kepada RSGM, dan bagaimana implementasi tata kelola TI di RSGM berjalan sesuai roadmap. Penelitian ini menggunakan SNARS dan standar JCI sebagai acuan utama dengan implementasi menggunakan metodologi COBIT 2019. Berdasarkan Analisa yang dilakukan peneliti, diperoleh kesimpulan bahwa kondisi eksisting pada RSGM Maranatha bahwa SIMRS dan aplikasi lainnya yang digunakan belum terintegrasi secara penuh, bahkan pada beberapa pengolahan data dan informasi masih paper-based. Hasil analisis kesenjangan yang dilakukan pada area manajemen informasi menghasilkan rekomendasi perancangan pada aspek people berupa penyesuaian posisi, perincian tugas pokok dan fungsi, perencanaan pelatihan dan workshop, serta komunikasi dalam bentuk rapat. Pada aspek process menghasilkan SOP. Pada aspek technology berupa penambahan aplikasi dan pembaharuan fitur.Penelitian ini juga dapat membantu RSGM dalam menjalankan rekomendasi sesuai dengan roadmap yang sudah disesuaikan dengan rencana jangka panjang RSGM sehingga RSGM dapat memprioritaskan tata kelola TI agar pelayanan kepada masyarakat semakin meningkat.
KLASIFIKASI MULTI-LABEL MENGGUNAKAN METODE MULTI-LABEL K-NEAREST NEIGHBOR (ML-KNN) PADA PENYAKIT KANKER SERVIKS Erisa Rizkyani; Iin Ernawati; Nurul Chamidah
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 4 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i4.3260

Abstract

Berdasarkan data statistik GLOBOCAN 2020, kanker serviks menempati urutan ke-8 penyakit kanker yang banyak diderita perempuan di seluruh dunia dengan jumlah kasus sebanyak 604.127 kasus dengan angka kematian mencapai 341.831 jiwa. Sedangkan di Indonesia tercatat penderita penyakit kanker serviks berada di urutan ke-2 dengan jumlah kasus sebanyak 36.633 kasus dengan angka kematian mencapai 21.003 jiwa. Multi-Label K-Nearest Neighbor (ML-KNN) merupakan salah satu adaptive algorithm yang dapat digunakan untuk menyelesaikan kasus klasifikasi multi-label. Pada penelitain ini menggunakan dataset yang diperoleh dari website UCI Machine Learning. Pada dataset tersebut akan dilakukan pra-proses data dengan menghapus missing value, mengecek duplicate data, mengecek tipe data, dan melakukan resample data berupa oversampling pada label Biopsy karena data kelas 1 dan 0 yang tidak seimbang. Selanjutnya data dibagi menjadi data latih dan data uji dengan perbandingan 80:20. Pada data latih, dicari kedekatannya dengan nilai k yang sudah ditentukan yaitu K=1, K=3, K=5, K=7, dan K=9. Diperoleh hasil evaluasi performa terbaik yaitu saat nilai K=5 yang memperoleh nilai hamming loss sebesar 3,59%, akurasi sebesar 93%, precision weighted sebesar 93%, recall weighted sebesar 96%, dan f1-score weighted sebesar 94%.
PREDIKSI PENJUALAN BARANG PADA TOKO BABY SHOP DENGAN ALGORITMA SINGLE MOVING AVERAGE (SMA) Kemal Farouq Mauladi; Ilmiyah Ityanatul Jayyidah
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 4 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i4.3220

Abstract

Penjualan adalah suatu usaha yang terpadu untuk mengembangkan rencana-rencana strategis yang diarahkan pada usaha pemuasan kebutuhan dan keinginan pembeli guna mendapatkan penjualan yang menghasilkan laba. Proses penjualan berbagai produk perlengkapan untuk bayi dan anak-anak di Toko Baby Shop sangatlah padat. Banyak pelanggan terutama ibu-ibu yang membutuhkan produk perlengkapan untuk keperluan anaknya. Namun proses penginputan data penjualan masih dilakukan manual melalui buku dan tidak memanfaatkan teknologi komputer, maka seringkali terjadi kelebihan bahkan kekurangan persediaan sehingga proses penjualan menjadi terhambat. Karena di rasa kurang efektif dan efisien dalam proses penjualan dapat berjalan lancar. Aplikasi ini bertujuan untuk memudahkan prediksi penjualan di Toko Baby Shop serta dapat mengetahui perhitungan prediksi menggunakan metode Single Moving Average. Hasil dari penelitian ini dapat memprediksi setiap item penjualan barang pada bulan berikutnya dengan rata-rata tingkat akurasi 90% dengan metode Single Moving Average dengan menggunakan PHP dan database mysql.    
PARKING SENSOR SYSTEM UNTUK MENDETEKSI JARAK AMAN KENDARAAN MENGGUNAKAN SENSOR ULTRASONIC BERBASIS ARDUINO UNO ATMEGA328 Mayang Monica Mardhalena; Novi Dian Nathasia
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 4 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i4.3888

Abstract

Parking Sensor adalah bagian dari IOT (Internet Of Things) yang mana menggunakan sensor yang dapat berkomunikasi dan terhubung untuk bertukar data melalui internet dan berbagi informasi yang sudah ditetapkan. Parking sensor merupakan sistem sensor parkir secara otomatis yang bertujuan untuk memonitoring keamanan pada akses parkir. Pengemudi mobil tentu seringkali mengalami kesulitan untuk memarkirkan mobil di area parkir, penyebabnya lahan parkir yang semakin bekurang atau sempit, hal itu dapat mengakibatkan pengemudi yang menabrak tiang pembatas karena keterbatasan pandangan. Oleh sebab itu untuk mempermudah pengemudi dalam memonitoring deteksi jarak aman kendaraan, maka di buatlah sistem sensor parkir yaitu dengan suatu komponen Mikrokontroler Arduino Uno Atmega328 sebagai pengendali utama dan berfungsi untuk menginput dengan cara otomatis ketika pengendara memarkir mobil. Pada penelitian ini menggunakan Fuzzifikasi dan Defuzzifikasi untuk mempermudah memetakan nilai dari suatu ruang input ke dalam ruang output. Berdasarkan hasil uji yang telah dilakukan untuk mengetahui nilai akurasi rata-rata kesalahan dan keberhasilan dari pengambilan data dari pengujian parking sensor, hasil  yang telah dilakukan menunjukkan kesalahan atau error dari tahap karakterisasi sensor adalah 1.26% dan nilai akurasi sensor Ultrasonik HCSR-04 yang sebenarnya yakni sebesar 98.74%.
OPTIMALISASI PENGELOLAHAN DATA PADA KLINIK HEWAN BERBASIS WEB MENGGUNAKAN METODE SUBSET QUERY Namira Ismi Tirana; Novi Dian Nathasia; Arie Gunawan
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 4 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i4.3889

Abstract

Klinik hewan umumnya belum memiliki sarana sistem informasi digital dan masih menggunakan sarana yang konvensional dalam pengelolaan datanya sehingga menyebabkan  tidak optimalnya pengelolaan data pada klinik tersebut. Dengan demikian, dibutuhkan sarana sistem informasi digital untuk mengatasi masalah dalam mengoptimalisasikan pengelolaan data. Pada penelitian ini menggunakan metode subset query  untuk mengoptimalisasikan pengelolahan data karena membutuhkan waktu yang relative lebih kecil dalam pengelolahan data untuk memproses data pada klinik hewan. Selain itu sistem penelitian ini juga menggunakan metode Framework Aplication of System Thinking(FAST) untuk pengembangan sistemnya dan PIECES Framework  untuk analisa sistem. Untuk pembangunan sistemnya menggunakan PHP dan MySQL. Hasil testing performa sistem dengan tool Google Lighthouse menunjukan nilai rata-rata berdasarkan performance 82,5(rata-rata),  sedangkan accesbility 82,25(rata-rata), dan best practice 98,75(sangat baik). Dengan sistem yang dihasilkan dapat mengoptimalkan pelayanan pada klinik hewan khusunya dalam hal pengelolaan data.
AUGMENTED REALITY UNTUK PENGENALAN GEDUNG UNIVERSITAS KRISTEN INDONESIA MALUKU Reynaldi Siwalette; Hennie Tuhuteru
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 7, No 4 (2022)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v7i4.3927

Abstract

Perkembangan arus informasi di era sekarang ini sangatlah pesat. Kebutuhan akan informasi yang akurat dan terperinci sangat penting dalam proses pengambilan keputusan. Informasi mengenai pengenalan kampus sangat dibutuhkan bagi mahasiswa baru dalam mengetahui fasilitas-  fasilitas apa saja yang penting dan tersedia dalam menunjang pendidikan mahasiswa tersebut kedepannya. Universitas Kristen Indonesia Maluku memiliki peningkatan terhadap penerimaan mahasiswa baru setiap tahunnya. Hal ini perlu didukung dengan menyediakan informasi mengenai pengenalan kampus bagi mahasiswa baru. Tujuan penelitian ini adalah membangun aplikasi berbasis augmented reality untuk pengenalan Gedung Universitas Kristen Indonesia Maluku. Penelitian ini menggunakan metode IMSDD (Interactive System Multimedia Design and Development) yaitu metode desain pengembangan aplikasi dengan tahapan-tahapan yang terstruktur. Pengujian dilakukan untuk mengetahui keberhasilan sebuah aplikasi yang dibangun. Pengujian  menggunakan standar ISO 9126 dan aspek yang diuji yaitu: karakteristik functionalily. Hasil dari penelitian ini adalah menghasilkan sebuah aplikasi berbasis Augmented Reality dengan metode IMSDD untuk pengenalan Gedung Universitas Kristen Indonesia Maluku.
ANALISIS DAN PERANCANGAN ARSITEKTUR ENTERPRISE PADA BADAN KEPEGAWAIAN DAERAH (BKD) PEMERINTAH PROVINSI JAWA BARAT MENGGUNAKAN TOGAF ADM 9.2 Ayu Syafira Alfain; Asti Amalia Nur Fajrillah; Ridha Hanafi
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 8, No 1 (2023)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v8i1.3311

Abstract

Salah satu konsep pemanfaatan teknologi informasi yang digunakan pada pemerintahan sebagai bentuk penyelenggaraan dan peningkatan pelayanan publik yang dikenal dengan istilah e-governmentatau Sistem Pemerintahan Berbasis Elektronik (SPBE). Dalam membantu meningkatkan indeks SPBE Pemerintah Provinsi Jawa Barat, diperlukan sinergi yang baik dari setiap instansi pemerintah daerah Lingkungan Pemerintah Provinsi Jawa Barat guna meningkatkan penyelenggaraan SPBE, baik pada Pemerintah Pusat maupun pada Pemerintah Daerah. Badan Kepegawaian Daerah (BKD) Provinsi Jawa Barat sebagai lembaga yang bertanggung jawab dalam melaksanakan urusan pemerintahan di bidang yang berperan penting untuk dapat meningkatkan indeks arsitektur SPBE Pemerintah Provinsi Jawa Barat dengan menyelesaikan permasalahan yang terjadi di bidang kepegawaian. Penelitian ini akan berfokus pada perancangan Arsitektur Enterprisepada Badan Kepegawaian Daerah (BKD) menggunakan kerangka kerja TOGAF ADM 9.2, pada sasaran Pemprov Jabar 'Terwujudnya inovasi tata kelola pemerintahan yang smart, bersih dan akuntabel'. Dalam penelitian ini, akan fokus pada domain Proses Bisnis, Data dan Informasi, Aplikasi, dan Layanan pada BKD Provinsi Jawa Barat urusan Pengadaan, Pemberhentian, dan Informasi Kepegawaian. Hasil penelitian analisis dan perancangan Arsitektur Enterprise yang dilakukan pada Badan Kepegawaian Daerah Provinsi Jawa Barat ini, menghasilkan keluaran berupa cetak biruEA yang dapat digunakan sebagai solusi atas permasalahan yang ada di BKD Provinsi Jawa Barat. Sehingga selanjutnya diharapkan penyelenggaraan SPBE pada Lingkungan Pemerintah Daerah dapat meningkat dan membantu Pemerintah Provinsi Jawa Barat dalam meningkatkan indeks SPBE.
Pengembangan Sistem Informasi Eksekutif Unit Layanan Pengadaan pada Kementerian Ketenagakerjaan Muhamad Yazir Rizki; Anggraeni Ridwan
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 8, No 1 (2023)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v8i1.3303

Abstract

Praktik pengadaan barang/jasa pemerintah oleh tim unit layanan pengadaan (ULP) di Kementerian Ketenagakerjaan Republik Indonesia belum berjalan optimal. Di samping rawan akan praktek kolusi, korupsi, dan nepotisme (KKN), belum terintegrasinya dua sistem yang menjadi sumber data menjadikan proses sinnkronisasi perlu dilakukan secara manual. Urgensi pelaksanaan pengadaan yang efektif dan efisien serta ekonomis untuk mendapatkan manfaat maksimal dari penggunaan anggaran menjadi hal yang krusial. Penelitian ini bertujuan mengembangkan sistem informasi eksekutif di lingkungan Kementerian Ketenagakerjaan untuk menjawab masalah yang ada sekaligus mendukung transformasi digital dalam rangka mewujudkan good governance dalam penggunaan anggaran negara. Sistem ini dikembangkan dalam kerangka kerja dynamic system development method (DSDM) yang mencakup 3 tahap di dalamnya: pre-project, project lifecycle, dan post-project. Hasil pengembangan kemudian diuji menggunakan metode black-box, white-box, pengujian integrasi sistem, dan pengujian Acunetix. Hasilnya, sistem dapat berjalan sesuai perancangan, terintegrasi, dapat diterima oleh pengguna, dan aman dari sisi keamanan. Selain itu, hasil evaluasi kuesioner yang dilakukan kepada 11 responden menunjukkan bahwa pengembangan sistem informasi ini berhasil dengan persentase 87% dengan perhitungan skala Likert. Sistem ini menjadi kontributor terhadap integrasi data untuk pencapaian tujuan ULP, terutama dalam pemantauan, evaluasi serta analisis bagi Pejabat Pembuat Komitmen (PPK) dan pihak eksekutif di Kementerian Ketenagakerjaan Republik Indonesia.
FACE MASK DETECTION UNDER LOW LIGHT CONDITION USING CONVOLUTIONAL NEURAL NETWORK (CNN) Naufal Muhammad Athif; Febriyanti Sthevanie; Kurniawan Nur Ramadhan
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 8, No 1 (2023)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v8i1.3324

Abstract

The COVID-19 pandemic has been around for 3 years, and the virus is still spreading until now and using mask is an alternative for people to not get infected, but some people tend to let go of the mask for inconvenience reasons, especially under low light conditions which is difficult for humans to identify. Thus, this paper proposed and implemented a face mask detection model which can accurately detect a person that using a mask or not in such a condition as low light by using Convolutional Neural Network (CNN) architecture with OpenCV, TensorFlow and Keras. To achieve this, the first step is to transform the data by using Python Imaging Library (PIL) to create a low light image, then we process the data by using Contrast Limited Adaptive Histogram Equalization and with Gamma Correction. The second step is to augment the data by using TensorFlow ImageDataGenerator and define the CNN model. The final step is to create the face mask prediction by using Haar Cascade Algorithm to detect the face mask. The results of this research shows that CNN model can be trained with a recreational low light images to detect face mask under low light conditions. The result of the model produced an accuracy of 98%.

Page 32 of 90 | Total Record : 900

 30   31   32   33   34 

Filter by Year

2016 2025


Reset
Filter By Issues
All Issue 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