cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Imam Fahrur Rozi
Contact Email
imam.rozi@polinema.ac.id
Phone
+6285233139738
Journal Mail Official
jip@polinema.ac.id
Editorial Address
Politeknik Negeri Malang Jl. Soekarno Hatta No.9, Jatimulyo, Kec. Lowokwaru, Kota Malang, Jawa Timur 65141 Phone: (0341) 404424-404425 Fax: (0341) 404420
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Informatika Polinema (JIP)
Published by Politeknik Negeri Malang
ISSN : 26146371     EISSN : 2407070X     DOI : https://doi.org/10.33795/jip
Core Subject : Science, Engineering,
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Library & Information Science
The focus and scope of articles published in JIP (Journal of Informatics Polinema) encompasses the game technology, information system, computer network, computing, which covers the following scope: Game Technology Artificial Intelligence Intelligent System Machine Learning Image Processing Computer Vision Information Retrieval Machine Learning Information System Internet of Things Computer Security Technology Enhanced Learning Education Technologies Digital Forensic Wireless Sensor UI/UX research JIP (Jurnal Informatika Polinema) publishes comprehensive research articles and invited reviews by leading expert in the field. Papers will be selected that high scientific merit, impart important new knowledge, and are of high interest to computer and information technology.
Arjuna Subject : Ilmu Komputer (semua kategori) - Aplikasi Ilmu Komputer
Articles 559 Documents
 52   53   54   55   56 
Perancangan Desain UI/UX Aplikasi Pembelajaran Ketahanan Pangan berbasis Design Thinking Rizdania, Rizdania; Fitriyah, Rizqi Sofi Nur; Alizunna, Defirra
Jurnal Informatika Polinema Vol. 12 No. 1 (2025): Vol. 12 No. 1 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i1.8858

Abstract

Penelitian ini membahas perancangan desain UI/UX aplikasi pembelajaran ketahanan pangan berbasis Augmented Reality (AR) dengan pendekatan Design Thinking dan kerangka Technological Pedagogical and Content Knowledge (TPACK). Latar belakang penelitian didasarkan pada rendahnya pemahaman generasi muda terkait ketahanan pangan serta keterbatasan media pembelajaran yang interaktif dan aplikatif. Metode Design Thinking diterapkan melalui lima tahapan, yaitu empathize, define, ideate, prototype, dan test. Pada tahap empathize, dilakukan wawancara dan observasi kepada guru serta siswa sekolah dasar untuk mengidentifikasi kebutuhan dan pain points. Hasilnya menunjukkan perlunya media interaktif yang menyenangkan untuk mempermudah pemahaman siswa. Prototipe aplikasi AR dikembangkan dengan desain UI/UX yang berorientasi pada kemudahan penggunaan, integrasi konten berbasis TPACK, serta fitur visual berupa model 3D dan video pembelajaran. Uji coba terbatas dilakukan dengan menggunakan metode System Usability Scale (SUS), menghasilkan skor percentile rank sebesar 78, yang termasuk kategori baik. Hal ini menunjukkan bahwa prototipe aplikasi mudah digunakan, menarik, serta efektif mendukung pemahaman konsep ketahanan pangan. Penelitian ini memberikan kontribusi pada pengembangan media pembelajaran digital inovatif yang mampu menjawab tantangan pendidikan ketahanan pangan sejak dini.
Navigating The Digital Threat: A Pentahelix Approach To AI-Driven Data Security In Smart Cities Puspitasari, Chasandra Puspitasari; Pradana, Antonio Heltra
Jurnal Informatika Polinema Vol. 12 No. 1 (2025): Vol. 12 No. 1 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i1.8872

Abstract

Smart cities provide creative approaches to urban growth, but they also face significant security and data management issues. The necessity for cooperative methods to safeguard sensitive data is highlighted by the rising incidence of cyberattacks and data misuse. In order to develop a shared responsibility for data protection in smart cities, this study uses the Pentahelix framework, which involves the government, academics, industry, communities, and media. A framework that guarantees accountability, transparency, and group control over data is developed by synthesizing pertinent literature, criticisms, and concepts using a qualitative descriptive method. Additionally, the use of artificial intelligence (AI) is examined as a challenge as well as an enabler. While AI improves data security by utilizing anomaly detection, predictive analytics, and automated response, it also poses issues related to ethical governance and privacy. The results imply that multi-stakeholder cooperation combined with AI-driven tactics can improve resilience against digital threats, guaranteeing smarter and safer urban ecosystems.
Implementasi Clean Architecture pada Sistem Manajemen Tiket Penanganan Insiden Rifa'i, Bahtiar; Subhi, Dian Hanifudin; Astiningrum, Mungki
Jurnal Informatika Polinema Vol. 12 No. 1 (2025): Vol. 12 No. 1 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i1.8892

Abstract

Keamanan siber telah menjadi isu global yang semakin krusial seiring pesatnya perkembangan teknologi informasi. Laporan Badan Siber dan Sandi Negara (BSSN) mencatat lebih dari 888 juta serangan siber di Indonesia pada tahun 2021, menegaskan tingginya urgensi akan sistem manajemen insiden yang efektif, terstruktur, dan responsif. Penelitian ini bertujuan membangun sistem manajemen tiket insiden yang mengintegrasikan platform komunikasi populer, WhatsApp, sebagai jalur pelaporan otomatis, sekaligus menerapkan prinsip Clean Architecture untuk memastikan modularitas, fleksibilitas, serta kemudahan pengujian. Sistem dikembangkan menggunakan Golang pada backend untuk performa tinggi, pustaka Baileys (Node.js) untuk integrasi WhatsApp, MongoDB sebagai basis data, dan React (TypeScript) dengan dukungan WebSocket pada frontend. Metodologi pengembangan mencakup studi literatur, analisis kebutuhan, perancangan sistem, implementasi, serta pengujian. Hasil evaluasi menunjukkan bahwa unit test pada lapisan use case mencapai coverage 91,6%, melampaui standar minimal 80% untuk kestabilan logika bisnis. Integrasi WhatsApp memungkinkan pembuatan tiket otomatis dan notifikasi real-time, sehingga mempercepat eskalasi insiden. Sementara itu, pengujian User Acceptance Test (UAT) oleh tujuh responden menghasilkan skor rata-rata 90,61%, dengan aspek percepatan eskalasi mencapai 97,14%. Temuan ini membuktikan bahwa kombinasi Clean Architecture dan integrasi WhatsApp mampu menghasilkan sistem manajemen insiden yang modular, responsif, serta efektif dalam mendukung kebutuhan operasional keamanan siber modern dan siap untuk diadopsi di lingkungan industri.
Evaluasi User Experience terhadap Materi Kelas dan Objek E-Learning OOPedia Larasati, Eka; Saputra, Pramana Yoga; Asyam Alfitra, Farhan; Hersianty, Venny Meida; Asri, Atiqah Nurul; Damayanti, Retno
Jurnal Informatika Polinema Vol. 12 No. 1 (2025): Vol. 12 No. 1 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i1.8962

Abstract

Pembelajaran Pemrograman Berorientasi Objek (PBO) seringkali menimbulkan kesulitan bagi mahasiswa karena sifat materinya yang abstrak dan kompleks. Kondisi ini menunjukkan perlunya media pembelajaran interaktif yang dapat membantu pemahaman konsep dasar PBO. Penelitian ini bertujuan mengevaluasi OOPedia, media pembelajaran berbasis web yang dirancang untuk mendukung materi kelas dan objek. Evaluasi dilakukan menggunakan User Experience Questionnaire (UEQ) yang mencakup enam dimensi: daya tarik, kejelasan, efisiensi, ketepatan, stimulasi, dan kebaruan. Responden penelitian ini adalah 44 mahasiswa Program Studi Sistem Informasi Bisnis yang sedang menempuh mata kuliah PBO. Data dikumpulkan melalui kuesioner daring yang terintegrasi pada OOPedia, kemudian dianalisis menggunakan perangkat UEQ. Hasil penelitian menunjukkan bahwa OOPedia memperoleh skor positif pada semua dimensi, yaitu daya tarik (1,803, kategori Good), kejelasan (1,301, Above Average), efisiensi (1,222, Above Average), ketepatan (1,369, Above Average), stimulasi (1,710, Excellent), dan kebaruan (0,983, Above Average). Kesimpulannya, OOPedia mampu memberikan pengalaman belajar yang menarik, mudah digunakan, dan memotivasi mahasiswa dalam memahami konsep PBO. Temuan ini menunjukkan bahwa OOPedia layak dikembangkan lebih lanjut dengan penambahan fitur interaktif untuk meningkatkan efektivitas pembelajaran.
Analisis Efektivitas Parameterized Queries dalam Pencegahan Serangan SQL Injection Ampuh Yunanto, Andhik; Muhammad Ghazi Al Ghifari
Jurnal Informatika Polinema Vol. 12 No. 1 (2025): Vol. 12 No. 1 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i1.8977

Abstract

Kerentanan SQL injection masih menjadi ancaman serius dalam pengembangan aplikasi web dengan tingkat prevalensi mencapai 23% dari seluruh kerentanan kritis aplikasi web di tahun 2024. Penelitian ini bertujuan menganalisis efektivitas implementasi parameterized queries sebagai mekanisme pencegahan serangan SQL injection pada sistem autentikasi berbasis PHP. Metodologi penelitian menggunakan pendekatan eksperimental dengan membandingkan dua implementasi sistem login: versi rentan yang menggunakan string concatenation dan versi aman yang menerapkan prepared statements melalui PHP Data Objects (PDO). Pengujian dilakukan menggunakan 15 payload SQL injection yang berbeda untuk mengevaluasi tingkat keberhasilan bypass pada masing-masing implementasi. Hasil penelitian menunjukkan bahwa implementasi parameterized queries berhasil mencegah 100% serangan SQL injection yang diuji, sementara implementasi rentan mengalami tingkat keberhasilan bypass sebesar 93.3%. Analisis performa menunjukkan bahwa parameterized queries memberikan peningkatan kecepatan eksekusi sebesar 23% untuk operasi berulang dibandingkan dengan string concatenation. Temuan ini membuktikan bahwa penerapan parameterized queries tidak hanya memberikan jaminan keamanan maksimal tetapi juga mengoptimalkan performa aplikasi web.
Sistem Deteksi Tingkatan Bahasa Jawa Menggunakan Metode Naive Bayes Mulyani, Esti; Zulfaniar, Dea
Jurnal Informatika Polinema Vol. 12 No. 1 (2025): Vol. 12 No. 1 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i1.8991

Abstract

Bahasa Jawa memiliki berbagai tingkatan dalam penggunaannya yang bervariasi tergantung konteks sosial, yakni Ngoko, Madya, dan Krama Inggil. Penguasaan dan penerapan tingkatan tersebut sangat penting untuk komunikasi sehari-hari. Tujuan penelitian ini adalah menciptakan sistem yang dapat mendeteksi dan mengklasifikasikan tingkat bahasa Jawa secara otomatis melalui metode N-Gram dan algoritma Naive Bayes berbasis platform web. Langkah awal penelitian melibatkan pengumpulan data, tahap preprocessing yang mencakup pengubahan huruf kecil, pembersihan, tokenisasi, penghapusan kata umum, dan stemming. Fitur diekstraksi melalui metode TF-IDF dan N-Gram, diikuti dengan pelatihan menggunakan model Multinomial Naive Bayes. Hasil evaluasi menunjukkan bahwa model mencapai akurasi 83%, dengan performa terbaik pada kelas Ngoko, performa yang cukup baik pada Madya, namun masih rendah pada Krama Inggil akibat adanya ketidakseimbangan dalam data. Sistem ini dapat memberikan bantuan kepada pengguna dalam belajar dan memahami tingkatan Bahasa Jawa secara efisien, serta mendukung pelestarian budaya Bahasa Jawa melalui teknologi. Diperlukan pengembangan lebih lanjut untuk memperbaiki akurasi prediksi pada semua tingkatan dengan lebih merata, terutama di Krama Inggil, agar sistem ini bisa digunakan secara optimal dalam proses pembelajaran dan praktik berbahasa Jawa
Klasifikasi Tweet Cyberbullying di Aplikasi X dengan Algoritma Naïve Bayes Mulyani, Esti; Aini Putri Prasetya, Hurul
Jurnal Informatika Polinema Vol. 12 No. 1 (2025): Vol. 12 No. 1 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i1.8992

Abstract

Perkembangan media sosial telah memberikan pengaruh yang signifikan dalam membentuk pola komunikasi dan interaksi masyarakat modern. Di balik manfaat yang ditawarkan, media sosial juga menjadi ruang terbuka bagi munculnya konten negatif, salah satunya adalah cyberbullying. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi dua tahap guna mendeteksi serta mengidentifikasi bentuk-bentuk cyberbullying dalam tweet berbahasa Indonesia. Data dikumpulkan melalui proses crawling berbasis autentikasi sesi pengguna (auth token) dengan pendekatan kata kunci tertentu. Metode yang digunakan meliputi pra-pemrosesan data teks, ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), serta pelatihan model klasifikasi menggunakan algoritma Multinomial Naïve Bayes. Pada tahap pertama, dilakukan klasifikasi biner untuk membedakan antara tweet yang mengandung unsur cyberbullying dan yang tidak, dengan akurasi mencapai 95%. Tahap kedua merupakan klasifikasi multikelas terhadap enam kategori cyberbullying, yaitu pelecehan, penghinaan, kata kasar, body shaming, ancaman, ambiguitas dan SARA, yang menghasilkan akurasi sebesar 82%. Seluruh hasil klasifikasi divisualisasikan secara interaktif melalui aplikasi web berbasis Python Flask. Hasil penelitian ini menunjukkan bahwa pendekatan dua tahap klasifikasi dengan algoritma Naïve Bayes mampu mengidentifikasi konten cyberbullying secara efektif, serta berpotensi digunakan sebagai salah satu alat bantu untuk mendukung upaya pencegahan perundungan daring di media sosial.
Implementasi Sistem Pengambilan Keputusan Penerima Beasiswa di Perguruan Tinggi Indonesia Hafidz, Mohammad Al; Abdillah Putra Firmansyah, Rayhan
Jurnal Informatika Polinema Vol. 12 No. 1 (2025): Vol. 12 No. 1 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i1.9038

Abstract

Salah satu tantangan utama dalam pelaksanaan pendidikan tinggi di Indonesia adalah biaya yang mahal. Hal tersebut berdampak pada tertunda dan bahkan batalnya calon mahasiswa untuk masuk di Perguruan Tinggi. Universitas Hayam Wuruk (UHW) Perbanas Surabaya merupakan salah satu perguruan tinggi di Indonesia yang berkomitmen mendukung pemerataan akses pendidikan melalui penyediaan program beasiswa bagi calon mahasiswa. Namun, Bagian Penerimaan Mahasiswa Baru (PMB) setiap tahunnya mendapati masalah efisiensi proses seleksi dan potensi ketidaktepatan sasaran penerima beasiswa. Hal ini disebabkan proses seleksi masih dilakukan secara manual, mulai dari pengumpulan berkas, penilaian kriteria, hingga penentuan penerima. Hal tersebut berpotensi terjadinya kesalahan pada manusia (human error), pemrosesan data yang lebih lama, dan potensi subjektifitas dalam penentuan penerima beasiswa. Tujuan dari penelitian ini adalah bagaimana mengembangkan dan mengimplementasikan sistem yang berbasis pada pengambilan keputusan dalam penentuan penerima beasiswa sesuai kriteria yang telah ditentukan. Data penelitian didapatkan dari tahap observasi dan wawancara bersama pihak PMB guna menggali permasalahan, mendapatkan informasi kriteria penentu beasiswa, hingga menentukan kebutuhan fungsional sistem. Pengembangan aplikasi menggunakan model SDLC Waterfall, yang dapat menampilkan empat fitur utama dalam mendukung proses seleksi beasiswa. Fitur tersebut diantaranya: pengimputan data mahasiswa, mengelola kriteria, mengelola bobot, dan perhitungan nilai hasil akhir. Aplikasi pendukung keputusan dikembangkan dengan metode SAW yang menghitung nilai alternatif berdasarkan bobot kriteria, menghasilkan peringkat akhir sebagai dasar penentuan penerima beasiswa yang paling sesuai. Hasil pengujian aplikasi dengan menggunakan blackbox testing menunjukkan bahwa fitur sistem tidak ditemukan kendala, baik secara fungsi, logika proses, maupun input dan outputnya.
Optimization of Heart Failure Classification on Imbalanced Data Using a Supervised Learning Approach Based on Logistic Regression, Random Forest, and K-Nearest Neighbor: Optimalisasi Klasifikasi Gagal Jantung pada Data Imbalanced Menggunakan Pendekatan Supervised Learning Berbasis Regresi Logistik, Random Forest, dan K-Nearest Neighbor agustina, feri; Irawan, Candra; Erawan, Lalang; Suprayogi; Award Widya Laksana, Deddy; Jatmoko, Cahaya; Sinaga, Daurat; Lestiawan, Heru
Jurnal Informatika Polinema Vol. 12 No. 1 (2025): Vol. 12 No. 1 (2025)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i1.9071

Abstract

Heart failure remains one of the leading causes of mortality worldwide, posing significant challenges for early diagnosis and patient management. One of the major obstacles in developing predictive models for heart failure is the class imbalance problem, where the number of surviving patients far exceeds those who experience death events. This imbalance often leads machine learning algorithms to bias toward the majority class, reducing sensitivity to critical minority cases. To address this issue, this study applies the Synthetic Minority Oversampling Technique (SMOTE) to balance the dataset and improve model performance. Three supervised learning algorithms, namely Logistic Regression (LR), Random Forest (RF), and K-Nearest Neighbor (KNN), were implemented and compared on the UCI Heart Failure Clinical Records dataset containing 299 patient samples with 13 clinical attributes. Experimental results show that the Random Forest model achieved the highest performance with 90% accuracy, precision, recall, and F1-score, outperforming both LR and KNN. The findings demonstrate that combining data balancing with ensemble learning effectively enhances prediction accuracy and sensitivity toward minority classes. The main contribution of this research lies in optimizing supervised models for medical data with skewed class distributions, providing a more reliable and interpretable approach for early heart failure detection. Future research may extend this work by integrating advanced ensemble or hybrid deep learning models and expanding the dataset for multi-institutional validation

Page 56 of 56 | Total Record : 559

 52   53   54   55   56 

Filter by Year

2014 2025


Reset
Filter By Issues
All Issue Vol. 12 No. 1 (2025): Vol. 12 No. 1 (2025) Vol. 11 No. 4 (2025): Vol. 11 No. 4 (2025) Vol. 11 No. 3 (2025): Vol. 11 No. 3 (2025) Vol. 11 No. 2 (2025): Vol. 11 No. 2 (2025) Vol. 11 No. 1 (2024): Vol. 11 No. 1 (2024) Vol. 10 No. 4 (2024): Vol. 10 No. 4 (2024) Vol. 10 No. 3 (2024): Vol. 10 No. 3 (2024) Vol. 10 No. 2 (2024): Vol 10 No 2 (2024) Vol. 10 No. 1 (2023): Vol 10 No 1 (2023) Vol. 9 No. 4 (2023): Vol. 9 No. 4 (2023) Vol. 9 No. 3 (2023): Vol 9 No 3 (2023) Vol. 9 No. 2 (2023): Vol 9 No 2 (2023) Vol. 9 No. 1 (2022): Vol 9 No 1 (2022) Vol. 8 No. 4 (2022): Vol 8 No 4 (2022) Vol. 8 No. 3 (2022): Vol 8 No 3 (2022) Vol. 8 No. 2 (2022): Vol 8 No 2 (2022) Vol. 8 No. 1 (2021): Vol 8 No 1 (2021) Vol. 7 No. 4 (2021): Vol 7 No 4 (2021) Vol. 7 No. 3 (2021): Vol 7 No 3 (2021) Vol. 7 No. 2 (2021): Vol 7 No 2 (2021) Vol. 7 No. 1 (2020): Vol 7 No 1 (2020) Vol. 6 No. 4 (2020): Vol 6 No 4 (2020) Vol. 6 No. 3 (2020): Vol 6 No 3 (2020) Vol. 6 No. 2 (2020): Vol 6 No 2 (2020) Vol. 6 No. 1 (2019): Vol 6 No 1 (2019) Vol. 5 No. 4 (2019): Vol 5 No 4 (2019) Vol. 5 No. 3 (2019): Vol 5 No 3 (2019) Vol. 5 No. 2 (2019): Vol 5 No 2 (2019) Vol. 5 No. 1 (2018): Vol 5 No 1 (2018) Vol. 4 No. 4 (2018): Vol 4 No 4 (2018) Vol. 4 No. 3 (2018): Vol 4 No 3 (2018) Vol. 4 No. 2 (2018): Vol 4 No 2 (2018) Vol. 4 No. 1 (2017): Vol 4 No 1 (2017) Vol. 3 No. 4 (2017): Vol 3 No 4 (2017) Vol. 3 No. 3 (2017): Vol 3 No 3 (2017) Vol. 3 No. 2 (2017): Vol 3 No 2 (2017) Vol. 3 No. 1 (2016): Vol 3 No 1 (2016) Vol. 2 No. 4 (2016): Vol 2 No 4 (2016) Vol. 2 No. 3 (2016): Vol 2 No 3 (2016) Vol. 2 No. 2 (2016): Vol 2 No 2 (2016) Vol. 2 No. 1 (2015): Vol 2 No 1 (2015) Vol. 1 No. 4 (2015): Vol 1 No 4 (2015) Vol. 1 No. 3 (2015): Vol 1 No 3 (2015) Vol. 1 No. 2 (2015): Vol 1 No 2 (2015) Vol. 1 No. 1 (2014): Vol 1 No 1 (2014) More Issue