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
 96   97   98   99   100 
APLIKASI DATA MINING MENGGUNAKAN METODE APRIORI UNTUK MENGIDENTIFIKASI POLA PEMBELIAN DI TOKO ANANDA BARU Fidela, Anindya; Widiawati, Chyntia Raras Ajeng; Ikhsan, Ali Nur
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.v11i1.7700

Abstract

Dalam industri ritel, mengenali pola perilaku pengguna adalah hal yang penting untuk meningkatkan efektivitas dalam pemasaran dan manajemen persediaan. Studi ini bertujuan untuk menerapkan teknik data mining dengan menggunakan algoritma Apriori untuk menemukan pola pembelian konsumen di Toko Ananda Baru. Data yang digunakan diambil dari 7.851 transaksi yang terjadi pada bulan Juni 2024, yang kemudian dianalisis melalui proses pra-pengolahan, analisa itemset yang sering muncul, pembuatan aturan asosiasi, dan pengukuran rasio lift menggunakan Google Colaboratory dan bahasa pemrograman Python. Hasil dari studi ini menunjukkan bahwa terdapat beberapa kombinasi produk dengan asosiasi yang kuat, ditandai dengan nilai lift ratio sebesar 76,5, yang jauh lebih tinggi dibandingkan studi serupa di sektor ritel konvensional. Produk Azarine Moist Sunserum 100ML menjadi item dengan tingkat asosiasi tertinggi, sering dibeli bersamaan dengan berbagai produk lain. Temuan ini memberikan saran bagi pengelola toko untuk menerapkan strategi bundling, cross-selling, serta pengaturan produk yang lebih baik untuk meningkatkan penjualan dan kepuasan konsumen. Selain itu, penelitian ini juga merekomendasikan agar analisis data transaksi dilakukan secara rutin dan mengantisipasi penggunaan algoritma alternatif seperti FP-Growth untuk data yang lebih besar. Penerapan algoritma Apriori terbukti efektif dalam membantu usaha ritel kecil bersaing di tengah ketatnya persaingan bisnis melalui pendekatan berbasis data.
Smart Mobility: Mobility Services in Urban Area a Literature Review Fathoni, Fikri; Prasetyo, Yuli Adam; Mukti, Iqbal Yulizar; Santoso, Ari Fajar
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.v10i4.6478

Abstract

Smart mobility is one of the important aspects for cities to imple-ment the smart city concept. smart mobility is the use of information technology for urban transportation systems in order to create inte-grated, effective, sustainable, easily accessible transportation ser-vices to support mobility, and improve the quality of life of urban communities. The main focus of this research is to answer the re-search questions in order to compile and present a comprehensive understanding of the concept of intelligent mobility, with an empha-sis on the latest developments and implementations of intelligent mobility in the scientific literature. This research uses the Systemat-ic Literature Review method to identify terminology, services, func-tions, and technologies, that are elements in the implementation of smart mobility. There are 30 previous research articles with publica-tion years 2018-2023 on smart mobility that contribute to this litera-ture review. The results of this literature review provide in-depth insights into how information and communication technologies can improve sustainability and efficiency in urban transportation sys-tems. By understanding previous research, this research provides a solid basis for the development and implementation of the concept of smart mobility.
ENHANCING HANDWRITTEN DIGIT RECOGNITION ACCURACY ON THE MNIST DATASET USING A HYBRID CNN-BILSTM MODEL WITH DATA AUGMENTATION Yugi, Muhtyas; Latif, Ahmad; Utomo, Fandy Setyo; Barkah, Azhari Shouni
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.v11i1.7758

Abstract

Handwritten digit recognition is a classic challenge in the field of computer vision and machine learning, and continues to be developed to achieve higher accuracy. This study proposes a hybrid method that combines Convolutional Neural Networks (CNN) and Bidirectional Long Short-Term Memory (BiLSTM) to enhance performance in handwritten digit classification using the MNIST dataset. CNNs are em-ployed to extract spatial features from digit images, while BiLSTMs are used to capture the temporal patterns and sequential context from the extracted features. To address limitations in data variation and improve the model’s generalization capabilities, the study also applies data augmentation techniques based on image transformations such as rota-tion, translation, scaling, and flipping. Experimental results demonstrate that the hybrid CNN-BiLSTM model with data augmentation signifi-cantly improves classification accuracy compared to baseline ap-proaches without augmentation or without BiLSTM. The model achieved the following accuracy on the MNIST test data: CNN Model Accuracy: Before Augmentation: 98.0%. After Augmentation: 98.5%; CNN-BiLSTM Model Accuracy: Before Augmentation: 98.0%. After Augmentation: 98.7%. These results highlight the effectiveness of the hybrid approach in enhancing handwritten digit recognition perfor-mance. This research contributes to the development of more accurate and robust deep learning models for handwritten image processing
K-MEANS CLUSTERING FOR DATA-DRIVEN TRAFFIC ACCIDENT IN EAST JAVA Nafiiyah, Nur; Wardhani, Retno; Huda, Muhammad Nurul; Setyan, Ardath Prahara; Prakasa, Esa
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.v10i4.9236

Abstract

Traffic accident analysis plays a crucial role in improving road safety and reducing accident rates. Besides enforcing traffic regulations and promoting driver vigilance, analyzing accident data can provide valuable insights into patterns and risk factors that contribute to accidents. This research aims to apply k-Means clustering to accident data in East Java from 2016 to 2020 in order to identify hidden patterns based on victim age, victim type, vehicle type, gender, and accident causes. The clustering process categorizes most variables into two groups (low and high), while victim age is divided into three groups (young, middle, and older). The results reveal distinct accident patterns across age groups and victim types, with high accident clusters dominated by young drivers and motorcyclists. These findings provide insights into the characteristics of high-risk groups and can serve as a reference for designing more targeted road safety policies and preventive strategies.
KLASTERISASI KEDISIPLINAN PEGAWAI DENGAN ALGORITMA K-MEANS Pradhana, Axel Novandy; Budiyanto, Utomo
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.v10i4.6958

Abstract

Salah satu penilaian yang dibutuhkan perusahaan adalah kedisiplinan. Penilaian kedisiplinan dapat diambil dari absen masuk dan absen keluar pegawai. Klasterisasi data menggunakan algoritma data mining yaitu K means. Tahapan yang digunakan terdiri dari pengumpulan data, eksperimen, dan evaluasi. Data dikumpulkan sebanyak 300 items yang terdiri dari id, nip, nama, golongan, tgl_lahir, tgl, in_absen, out_absen, status, satker dan label yaitu kedisiplinan. Seleksi atribut menghasilkan 5 fitur yaitu, nama, golongan, in_absen, out_absen, dan status. Eksperiman dilakukan dengan binning atau normalisasi setiap fitur atau atribut yang sudah diseleksi menjadi numerik. Evaluasi dilakukan dengan pemodelan menggunakan klasterisasi K-means dengan Rapid miner. Pemodelan tersebut menghasilkan 5 klaster, yang terdiri dari klaster nol terdiri dari 46 items, klaster satu terdiri dari 103 items, klaster dua terdiri 94 items, kluster tiga terdiri dari 1 items, dan klaster empat terdiri dari 56 items. Pemodelan menghasilkan dengan nilai DBI (Davies Bouldin) sebesar 0.502. Nilai rata-rata seluruh klaster sebesar -1,372. Nilai centroid distance untuk klaster 0 sebesar -4.264, klaster 1 sebesar -0.729, klaster 2 sebesar -1.307, klaster 3 sebesar -0.000, dan klaster 4 sebesar -0.311. Nilai kedisiplinan yang bernilai sangat baik terdapat pada tiga klaster yaitu klaster 1, klaster 2, dan klaster 4 dengan jumlah terbesar yaitu 52 items, terdapat pada klaster 1. Sedangkan nilai kedisiplinan yang bernilai baik terdapat pada klaster 2 dan klaster 4 dengan jumlah terbesar yaitu 56 items, terdapat pada klaster 4.
Business Process Reengineering Identifikasi Kode Pakan pada Perusahaan PT XYZ Menggunakan Efisiensi Throughput dan Analisis Biaya Utomo, Anggoro Dwi; Suharso, Wildan
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.v10i4.7031

Abstract

Efisiensi operasional menjadi hal krusial dalam industri manufaktur, terutama di sektor pakan ternak yang memiliki alur distribusi kompleks dan volume produksi tinggi. Perusahaan XYZ, produsen pakan ternak di Jawa Timur, menghadapi kendala dalam pengelolaan produksi dan distribusi, terutama dalam proses penghitungan dan identifikasi karung pakan yang masih dilakukan secara manual. Proses manual ini kerap menyebabkan kesalahan penghitungan dan identifikasi kode, yang berdampak pada ketidaksesuaian muatan, keterlambatan pengiriman, serta meningkatnya biaya operasional. Penelitian ini menerapkan Business Process Reengineering (BPR) dengan memanfaatkan teknologi machine learning, computer vision, dan perangkat IoT pada conveyor untuk mengotomatiskan proses penghitungan dan identifikasi karung pakan. Implementasi teknologi ini menunjukkan peningkatan signifikan dalam efisiensi operasional, dengan penurunan waktu proses counting dari 596 menit menjadi 329 menit, peningkatan efisiensi throughput dari 57,886% menjadi 86,93%, serta pengurangan biaya operasional dari Rp54.000.000 menjadi Rp4.500.000 per bulan. Otomatisasi ini tidak hanya meningkatkan kecepatan dan akurasi distribusi tetapi juga memperkuat daya saing perusahaan di industri pakan ternak
LEARNING MANAGEMENT SYSTEM UMKM PADA SUPER APP USAHA KECIL DAN MENENGAH TERPADU BERBASIS MOBILE FIRST VIEW MENGGUNAKAN OAUTH-SSO Setiyawati, Nina; Bangkalang, Dwi Hosanna; Mailoa, Evangs
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.v11i1.7282

Abstract

UMKM yang maju menjadi salah satu cara bagi suatu negara untuk bisa mewujudkan kondisi perekonomian yang merata. Oleh karen itu UMKM perlu diberdayakan sebagai bagian integral ekonomi rakyat yang mempunyai kedudukan, peran, dan potensi strategis untuk mewujudkan struktur perekonomian nasional. Salah satu strategi pemberdayaan UMKM adalah dengan pemanfaatan teknologi untuk membuat wadah yang memfasilitasi kebutuhan pelaku UMKM untuk belajar. Pada penelitian ini dibangun Learning Management System untuk UMKM yang diberi nama UMKMEdu. Dibangun dengan model proses prototyping dimana selama proses pembangunan aplikasi, klien dan calon pengguna dilibatkan serta dibuat prototype sebelum aplikasi dibangun. Untuk antarmuka pengguna, diterapkan mobile first view untuk memberikan pengalaman pengguna yang optimal ketika diakses melalui piranti smartphone dan hirarki visual yang fokus pada prinsip content-first. Selain itu, juga menerapkan OAuth-SSO untuk proses komunikasi data dari sumber daya yang telah dibangun sebe-lumnya yaitu Aplikasi Pendataan UMKM. Aplikasi yang dihasilkan diuji menggunakan blackbox testing dan didapatkan bahwa semua fungsi sudah berjalan sesuai dengan yang diharapkan.
PEMANFAATAN STANCE DETECTION UNTUK MITIGASI DAMPAK ECHO CHAMBER EFFECT DALAM MEDIA SOSIAL X BERBASIS WEB Sulistyo, Ary Okta; Pamungkas, Endang 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.v10i4.6866

Abstract

Di Indonesia, platform media sosial X atau yang sebelumnya dikenal dengan Twitter termasuk salah satu media sosial yang banyak digunakan yang membahas berbagai hal termasuknya tentang Pemilihan Umum (PEMILU) Presiden Indonesia 2024. Dalam platform ini terdapat halaman bernama “Untuk Anda” yang berisi konten yang sering dibaca oleh pengguna. Dengan kata lain, pengguna akan mendapatkan informasi sesuai dengan ketertarikannya saja yang memungkinkan terjadinya echo chamber effect. Echo chamber effect dapat mempengaruhi sudut pandang seseorang karena terbatasnya paparan yang lebih luas terhadap suatu informasi. Untuk mencegah hal tersebut terjadi, penelitian ini mengusulkan sistem berupa aplikasi yang dapat menyediakan informasi terhadap suatu berita dalam media sosial X sehingga pengguna dapat mendapatkan informasi terhadap suatu berita tanpa memengaruhi tipe berita yang muncul pada halaman “Untuk Anda”. Stance detection digunakan untuk mendeteksi stance dari komentar apakah mendukung atau menentang topik. Ini digunakan agar sistem dapat menyajikan informasi dalam bentuk statistik stance dari tweet komentar pada berita tertentu. Penelitian ini melakukan eksperimen terhadap beberapa algoritma machine learning untuk stance detection, yaitu Multinomial Naive Bayes (MNB), Support Vector Machine (SVM), Logistic Regression (LR), Random Forest (RF), dan K-Nearest Neighbor (KNN). Model terbaik untuk klasifikasi stance yang dihasilkan adalah model SVM yang memiliki akurasi 77,3%. Model tersebut digunakan pada aplikasi berbasis web untuk mengklasifikasi stance komentar. Aplikasi diuji dengan metode System Usability Scale (SUS) dan menghasilkan skor sebesar 75,4. Dengan adanya aplikasi ini, pengguna dapat terhindar dari echo chamber effect pada media sosial X.
ANALISIS SENTIMEN DALAM PENILAIAN KINERJA KARYAWAN DENGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) Faturohman, Farhan; Dharmayanti, D
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.v11i1.7784

Abstract

Penelitian ini mengambil data dari opini atau pendapat tentang kinerja karyawan di salah satu perusahaan, dan tidak crawling atau scrapping data dari internet. Data berbentuk excel. Penelitian ini bertujuan untuk mengklasifikasikan kinerja karyawan pada perusahaan yaitu klasifikasi positif, negatif, dan netral. Metode dilakukan pada penelitian ini di-awali dengan pengumpulan data yang dilakukan dari opini atau pen-dapat tentang kinerja perusahaan di salah satu perusahaan. Setelah pengumpulan data, dilakukan preprocessing yang terdiri dari cleansing, case folding, tokenizing, filtering atau word repair, stopword removal, dan stemming. Preprocessing jg diikuti tahapan wordcloud dan label-ling. Tahap berikutnya adalah pembobotan atau weighting dengan menghitung tf-idf. Tahap selanjutnya adalah klasifikasi dengan algo-ritma SVM. Tahap terakhir yaitu evaluasi dari hasil persentase accura-cy, precision, recall, dan f1-score. Nilai klasifikasi dengan SVM yang dihasilkan dengan accuracy sebesar 97%, nilai precision untuk negatif sebesar 100%, netral sebesar 100 %, dan positif sebesar 97%. Nilai recall untuk negatif sebesar 75%, netral sebesar 87%, positif sebesar 100%. Nilai f1-score untuk negatif sebesar 86%, netral sebesar 93%, dan positif sebesar 99%. Nilai tersebut menunjukkan nilai hasil klas-ifikasi dengan SVM yang tinggi dan mampu diterapkan dengan baik dalam melakukan analisis sentiment pada penilaian kinerja karyawan.
IMPLEMENTASI WEB APLIKASI SISTEM MANAJEMEN ALUMNI PADA SMA TELKOM BANDUNG MENGGUNAKAN METODE EXTREME PROGRAMMING Wicaksono, Ikram Zaidan; Ambarsari, Nia; Ardianti, Mifta
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.v10i4.6389

Abstract

Alumni merupakan aset penting yang perlu dikelola dan diberdayakan dengan baik oleh sekolah. Pengelolaan dan pemberdayaan alumni yang baik dapat dilakukan sekolah melalui proses manajemen alumni. Oleh karena itu, perancangan dan pengembangan sistem manajemen alumni menjadi kebutuhan mendesak bagi SMA Telkom Bandung untuk meningkatkan interaksi dan komunikasi dengan alumni serta efisiensi dalam kegiatan manajemen alumni. Penelitian ini bertujuan untuk merancang serta membangun web aplikasi sistem manajemen alumni menggunakan metode Extreme Programming (XP). Metode XP dipilih untuk mengatasi tantangan perubahan persyaratan yang cepat melalui pengembangan berulang atau iterasi. Proses pengembangan aplikasi ini dibagi ke dalam tiga fase iterasi. Aplikasi sistem manajemen alumni yang dikembangkan mencakup fitur penyimpanan dan pengolahan data alumni, pembuatan survei, informasi lowongan kerja, serta ruang komunikasi antara sekolah dan alumni maupun antar alumni. Hasil pengujian dengan metode User Acceptance Test (UAT) menunjukkan bahwa aplikasi yang dikembangkan dapat berjalan dengan baik serta memenuhi kriteria kebutuhan dan harapan pengguna. Implementasi aplikasi ini diharapkan mampu meningkatkan efisiensi manajemen alumni di SMA Telkom Bandung termasuk meningkatkan efektivitas pengelolaan data alumni dan memperkuat interaksi antara sekolah dan alumni.

Page 98 of 113 | Total Record : 1124

 96   97   98   99   100 

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