cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota pontianak,
Kalimantan barat
INDONESIA
Jurnal Edukasi dan Penelitian Informatika (JEPIN)
Published by Universitas Tanjungpura
ISSN : 24600741     EISSN : 25489364     DOI : -
Core Subject : Science, Education,
Computer Science & IT Education
Jurnal Edukasi dan Penelitian Informatika (JEPIN) merupakan peer reviewed journal di bidang informatika. Jurnal ini diterbitkan 3 bulan dalam setahun (April, Agustus, dan Desember) oleh Program Studi Informatika, Fakultas Teknik, Universitas Tanjungpura, Indonesia.
Arjuna Subject : -
Articles 522 Documents
 14   15   16   17   18 
Prediksi Penyakit Jantung Menggunakan Metode-Metode Machine Learning Berbasis Ensemble – Weighted Vote Alhamad, Apriyanto; Azis, Azminuddin I. S.; Santoso, Budy; Taliki, Sunarto
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.37188

Abstract

Kematian yang disebabkan penyakit jantung masih sangat tinggi, sehingga perlu peningkatan upaya-upaya pencegahannya, misalnya dengan meningkatkan capaian model prediksinya. Penerapan metode-metode machine learning pada dataset publik (Cleveland, Hungary, Switzerland, VA Long Beach, & Statlog) yang umumnya digunakan oleh para peneliti untuk prediksi penyakit jantung, termasuk pengembangan alat bantunya, masih belum menangani missing value, noisy data, unbalanced class, dan bahkan data validation secara efisien. Oleh karena itu, pendekatan imputasi mean/mode diusulkan untuk menangani missing value replacement, Min-Max Normalization untuk menangani smoothing noisy data, K-Fold Cross Validation untuk menangani data validation, dan pendekatan ensemble menggunakan metode Weighted Vote (WV) yang dapat menyatukan kinerja tiap-tiap metode machine learning untuk mengambil keputusan klasifikasi sekaligus untuk mereduksi unbalanced class. Hasil penelitian ini menunjukkan bahwa metode yang diusulkan tersebut memberikan akurasi sebesar 85,21%, sehingga mampu meningkatkan kinerja akurasi metode-metode machine learning, selisih 7,14% dengan Artificial Neural Network, 2,77% dengan Support Vector Machine, 0,34% dengan C4.5, 2,94% dengan Naïve Bayes, dan 3,95% dengan k-Nearest Neighbor.
IMPLEMENTASI FUZZY DAN DIJKSTRA PADA SISTEM PENGANGKUTAN SAMPAH Abdillah, Hilal Nabil; Rakhmatsyah, Andrian; Putrada, Aji Gautama
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.34320

Abstract

Tempat sampah tidak dapat diperkirakan kapan penuh atau kosong, mengakibatkan petugas dalam pengangkutannya sering mengunjungi tempat sampah yang kosong dan terkadang petugas sering kembali ke tempat yang kosong tersebut. Tempat sampah yang ada di daerah Perumahan Buah Batu (PBB) merupakan tempat sampah yang dibuat di depan rumah dengan bentuk kubus berdiameter sekitar 60cm x 60cm disertai penutup tempat sampah. Dari permasalahan tersebut dibutuhkan smart monitoring yang dapat menunjukan tempat sampah yang isinya dapat diangkut oleh petugas. Sistem monitoring ini menggunakan sensor ultrasonik dengan output nilai ketinggian sampah dan sensor loadcell dengan ouput nilai berat sampah, dimana nilai output sensor merupakan nilai input untuk Fuzzy, setelah sistem diteruskan dengan sistem Dijkstra. Fuzzy menghasilkan nilai keputusan dari output sensor, hasil fuzzy menjadi penentu tempat sampah mana yang diangkut, jika hasil fuzzy lebih dari satu tempat sampah berstatus ?Angkut? dengan nilai berkisar dari 50 - 100, maka node tersebut membentuk sebuah graph. Dalam pengangkutannya menggunakan dijkstra untuk mendapatkan rute yang paling efisien dari node awal ke semua node yang ada. Sistem terus mengulangi proses pembaruan nilai dan membandingkannya sampai seluruh  node selesai. Sehingga sistem mengeluarkan hasil bobot semua node pada graph, berdasarkan nilai bobot yang dihasilkan dibuat list untuk menentukan jalur pengangkutan sampah. Pengujian ini dilakukan hanya dengan menggunakan 5 titik tempat sampah atau disebut juga node yang ada di Perumaha Buah Batu (PBB) sebagai sampel percobaan, node yang dipilih merupakan area penduduk terbanyak di daerah perumahan tersebut. Dalam pengujian pada penelitian ini menghasilkan graph yang dibentuk berdasarkan hasil fuzzy yang berstatus ?Angkut? berjumlah semua node, rute yang dibentuk Gerbang ? G ? I ? H ? E ? C dengan jarak sejauh 1096 meter dan hasil graph yang dibentuk hanya dengan tiga node yakni node C, node I dan node E menghasilkan rute Gerbang ? C ? E ? H dengan jarak 961.
Knowledge Management System Konservasi Hutan Tanaman Mangrove Yudhanti, Dwina Admella; Ripanti, Eva Faja; Perwitasari, Anggi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.35956

Abstract

Hutan mangrove merupakan suatu ekosistem yang sumberdaya alamnya diarahkan untuk kesejahteraan manusia dan mewujudkan pemanfaatannya agar dapat berkelanjutan, maka ekosistem mangrove perlu dikelola dan dijaga keberadaannya. Knowledge Management System (KMS) menawarkan sebuah pendekatan yang saling terintegrasi dengan tujuan mengindentifikasi, menangkap, mengambil, membagi, dan mengevaluasi informasi. KMS membantu dalam pencarian, pemilihan, pengaturan, penyaringan dan penyajian informasi, kemudian memudahkan untuk memberikan pengetahuan dalam mengatur berjalannya proses kerja. Tujuan dilakukannya penelitian ini adalah membangun Knowledge Management System yang dapat membantu pengguna yaitu masyarakat, pemerintah dan peneliti dalam melakukan pelestarian mangrove. Metodologi penelitian yang dilakukan yaitu identifikasi masalah, analisis kebutuhan sistem, perancangan, implementasi, dan pengujian sistem. Penelitian ini mengadopsi sebuah framework yang memiliki empat proses yaitu analisis, strategi, perencanaan, dan strategi. Model pengembangan sistem menggunakan konsep System Development Life Cycle (SDLC). Pengujian sistem dilakukan dengan dua cara, yaitu pengujian Black Box dan User Acceptance Test (UAT). Hasil pengujian Black Box adalah sistem dapat bekerja dengan baik dalam menangani suatu kemungkinan kesalahan, sedangkan pada pengujian UAT sistem dinilai sudah memberikan hasil yang baik. Hasil kuesioner yang dilakukan 83.47% menyatakan aplikasi ini sangat membantu. Secara keseluruhan, KMS Hutan Tanaman Mangrove bisa membantu proses penyampaian informasi dan pengetahuan manajemen pengumpulan data.
SKEMA PENYEMBUNYIAN DATA PADA GAMBAR BERBASIS INTERPOLASI KUBIK B-SPLINE MENGGUNAKAN METODE LEAST SIGNIFICANT BIT (LSB) garno, Garno; Adam, Riza Ibnu
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.37584

Abstract

Maraknya kasus pencurian data menyebabkan sistem keamanan pesan harus ditingkatkan. Salah satu cara untuk mengamankan pesan adalah dengan memasukkan pesan ke dalam gambar digital. Penelitian ini bertujuan untuk meningkatkan kualitas gambar digital dalam sistem keamanan pesan tersembunyi. Teknik yang digunakan untuk keamanan pesan adalah steganografi. Cover image akan dikonversi menjadi bit piksel dalam domain spasial. Cover image digunakan dalam bentuk gambar digital dengan format .jpg. Teknik meningkatkan kualitas dan kapasitas gambar digital dilakukan dengan menambahkan dan meningkatkan bit piksel menggunakan metode interpolasi Cubik B-Spline. Cover image yang telah di interpolasi, kemudian disisipi pesan menggunakan metode least significant bit (LSB) untuk memperoleh stegoimage. Pesan yang diselipkan berbentuk file .doc, .docx, .pdf, .xls, .rar, .iso dan .zip dengan ukuran berbeda-beda kapasitasnya. Teknik uji dibuat dengan bantuan perangkat lunak MATLAB versi 2017a. Penelitian melakukan uji dengan mengukur nilai kualitas penyamaran dari stegoimage menggunakan Peak Signal to Noise Ratio (PSNR) dengan rata-rata perolehan stegoimage terhadap Original image 29.06 dB dan stegoimage terhadap Image interpolation 64.34 dB dan uji mean squared error (MSE) dengan rata-rata perolehan 97.54 dB pada Image interpolation terhadap original image dan 97.55 dB pada stegoimage terhadap original image, 0.13 dB nilai MSE stegoimage terhadap Image interpolation. Hasil uji pada penelitian dengan proses interpolasi pada coverimage dengan Cubic B-Spline mempengaruhi terhadap nilai samar atau Nilai PSNR.
PENERAPAN METODE CASE BASED REASONING DAN K-NEAREST NEIGHBOR UNTUK DIAGNOSA PENYAKIT DAN HAMA PADA TANAMAN KARET Sulistiani, Heni; Darwanto, Imam; Ahmad, Imam
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 6, No 1 (2020): Volume 6 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v6i1.37256

Abstract

Petani karet di wilayah Kabupaten Tulang Bawang sering menemukan masalah seperti penyakit dan hama tanaman karet yang dapat mengakibatkan kematian pada tanaman karet, antara lain penyakit pada bidang sadap, dan hama penggangu seperti rayap dan kutu tanaman. Penyakit tersebut dapat dideteksi melalui gejala-gejala yang ditimbulkan. Akan tetapi untuk mengetahui jenis penyakit yang menyerang tanaman karet diperlukan seorang pakar pertanian dan perkebunan. Namun, saat ini petani di Tulang Bawang masih memliki kekurangan dalam hal pengetahuan untuk pencegehan dan penanganan penyakit tanaman karet. Untuk itu, diperlukan suatu sistem yang berisikan pengetahuan tertentu dalam hal kepakaran melalui pendekatan kemampuan manusia di salah  satu  bidang. Salah satunya adalah sistem pakar. Berbagai metode telah diterapkan untuk membangun sistem pakar, diantaranya adalah Metode Case Base Reasoning dan K-Nearest Neighbor. Metode ini digunakan untuk mencari solusi dari permasalahan berdasarkan pengalaman kasus masa lalu dan pendekatan untuk mencari kasus dengan menghitung kedekatan antara kasus baru dengan kasus lama. Hasil pengujian keakuratan kesesuaian antara data testing yang diperoleh dari pakar dengan hasil pengolahan sistem adalah sebesar 80%.
Penyusunan File Fingerprint untuk Berkas Jpeg/exif dengan Hash Function SHA512 dan Algoritma Boyer-Moore String Matching Fitriyanto, Rachmad; Yudhana, Anton; Sunardi, Sunardi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 6, No 1 (2020): Volume 6 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v6i1.33119

Abstract

Pengamanan berkas jpeg/exif dalam komunikasi digital umumnya bersifat untuk pencegahan, belum dapat digunakan untuk pendeteksian keutuhan data. File Fingerprint merupakan konsep sidik jari yang disusun berdasarkan konten dari dokumen digital. Penelitian ini bertujuan untuk menyusun file fingerprint dari berkas jpeg/exif yang dapat digunakan untuk mendeteksi terjadinya modifikasi pada berkas. Penyusunan file fingerprint dilakukan dalam lima tahap. Tahap pertama adalah identifikasi struktur berkas jpeg/exif menggunakan algoritma Boyer-Moore string matching untuk menentukan indeks lokasi segmen jpeg/exif. Tahap kedua adalah akuisisi konten segmen. Tahap ketiga adalah penghitungan hash value menggunakan hash function SHA512. Tahap keempat adalah pengujian modifikasi berkas jpeg/exif. Tahap kelima adalah penyusunan file fingerprint. Hasil yang diperoleh menunjukkan file fingerprint dari berkas jpeg/exif berasal dari tiga segmen, SOI, APP1 dan SOF0. Hash value dari segmen SOI digunakan untuk mendeteksi modifikasi dalam bentuk konversi tipe berkas dan penambahan objek pada gambar. Hash value dari segmen APP1 untuk mendeteksi modifikasi pada metadata. Hash value dari segmen SOF0 untuk mendeteksi modifikasi dalam bentuk resizing, recoloring dan cropping.  Berkas file fingerprint yang dihasilkan memiliki ukuran rata-rata 0,017% dari ukuran berkas gambar dari smartphone Asus Z00UD dan 0,015% dari ukuran berkas gambar dari smartphone Samsung Galaxy A5.
PENGUKURAN KESUKSESAN IMPLEMENTASI E-LEARNING DENGAN METODE TAM DAN UTAUT Wassalam, Ockhy Jey Fhiter; Umar, Rusydi; Yudhana, Anton
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 6, No 1 (2020): Volume 6 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v6i1.37938

Abstract

Penelitian ini dilakukan untuk mengetahui tingkat penerimaan kesuksesan dalam penggunaan sistem e-learning pada Universitas Janabadra Yogyakarta menggunakan metode TAM dan UTAUT. Data dalam penelitian ini dikumpulkan dengan mengunakan kuesioner yang disebar kepada 30 responden yaitu mahasiswa/i Fakultas Ekonomi di Universitas Janabadra Yogyakarta. Data yang diperoleh dihitung dalam bentuk kuantitatif analisis interval menggunakan skala likert. Hasil penelitian ini menunjukkan tingkat pengukuran kesuksesan dalam penggunaan sistem e-learning secara keseluruhan dengan persentase sebesar 68,03%. Dari persentase ini dapat disimpulkan bahwa sistem e-learning sudah dapat diterima dan sudah digunakan oleh responden yaitu mahasiswa/i Fakultas Ekonomi Universitas Janabadra Yogyakarta. Berdasarkan hasil perbandingan kesuksesan analisis data dengan menggunakan metode TAM persentase sebesar 66,75%, dengan menggunakan metode UTAUT persentase sebesar 69,66%.
Studi Komparatif Algoritma Fisher Yates dengan Brute Force pada Permainan Kartu 24 Ndaumanu, Ricky Imanuel
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 6, No 1 (2020): Volume 6 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v6i1.35948

Abstract

Salah satu penyelesaian dari masalah optimasi kombinatorial yang cukup popular dalam dunia nyata adalah dengan menggunakan algoritma shuffling, seperti algoritma Brute Force dan algoritma Fisher Yates. Dari studi yang pernah dilakukan dari kedua algoritma tersebut dapat menghasilkan solusi yang optimal. Kedua algoritma dapat memberikan hasil nilai yang terbaik. Pada studi ini dilakukan untuk mengetahui seberapa cepat diantara kedua algoritma tersebut mendapatkan nilai optimal dengan cara menghitung jumlah looping yang dilakukan oleh setiap algoritma setelah proses pengacakan data. Sampling data random yang sama akan tetapi jika diacak dengan cara yang berbeda akan memberikan hasil looping berbeda. Looping yang rendah akan menghasilkan nilai yang lebih capat dari looping yang tinggi. Pada penelitian ini, algoritma Brute Force memberikan hasil 24% lebih capat dari pada algoritma Fiser Yates. Prototipe dari algoritma Brute Force dan algoritma Fisher Yates untuk mendapatkan nilai maksimal di implementasikan pada Games permainan kartu 24. Permainan Kartu 24 merupakan permainan kartu yang ideal dalam menyimpan dan mengacak kartu. Penelitian ini menunjukan bahwa Algoritma Brute Force memberikan hasil looping yang lebih baik dari pada Algoritma Fisher Yates. Implementasi penelitian ini menggunakan algoritma shuffling berbasis objek dengan menggunakan bahasa pemprograman JAVA SE 8u221 dan diuji dengan menggunakan simulasi data aktual dari permainan kartu 24.
PENGENDALIAN LAMPU LALU LINTAS CERDAS DI PERSIMPANGAN EMPAT RUAS YANG KOMPLEKS MENGGUNAKAN ALGORITMA ADAPTIVE NEURO FUZZY INFERENCE SYSTEM Santoso, Budy; Azis, Azminuddin I. S.; Bode, Andi
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 6, No 1 (2020): Volume 6 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v6i1.37311

Abstract

Masalah transportasi masih sering dihadapkan pada fenomena kemacetan arus lalu lintas yang berdampak pada kecelakaan lalu lintas, polusi, dan kerugian ekonomi. Salah satu cara untuk meminimalisir fenomena tersebut melalui pengendalian sistem lampu lalu lintas yang baik terhadap arus lalu lintas jangka pendek di persimpangan jalan. Pengendalian lampu lalu lintas secara statis terbukti belum optimal dalam meminimalisir kemacetan arus lalu lintas, salah satu penyebabnya karena kondisi arus lalu lintas yang bervariasi sehingga tidak mudah diprediksi. Fuzzy Inference System (FIS) sering terbukti mampu menunjukkan hasil yang lebih baik daripada pengendalian lampu lalu lintas secara statis. Namun FIS tidak dapat diterapkan pada kondisi arus lalu lintas yang bervariasi atau di persimpangan jalan yang berbeda karena metode tersebut tidak mampu mempelajari kondisi arus lalu lintas secara real time. Agar FIS mampu melakukan pembelajaran, maka pendekatan machine learning dapat diterapkan pada FIS. Salah satu pengembangannya adalah Adaptive Neuro Fuzzy Inference System (ANFIS) yang dapat mengendalikan lampu lalu lintas cerdas secara dinamis dengan hasil yang lebih baik daripada FIS. Namun umumnya ANFIS diuji coba pada persimpangan jalan yang normal. Bagaimana jika di persimpangan yang kompleks? Persimpangan yang memiliki beberapa ruas/jalur utama yang besar (jalur poros), sementara ruas laiinya kecil, bahkan terdapat ruas yang tidak berpotongan, sehingga ada prioritas untuk setiap ruasnya. Hasilnya, penerapan ANFIS (3 GaussMf) untuk pengendalian lampu lalu lintas cerdas/dinamis di persimpangan empat ruas yang kompleks mampu mereduksi Average Waiting Times (AWT) rata-rata sebesar 3,4071E-05 detik dengan 2,7156 RMSE rata-rata, menggunakan variabel Queues Quantity dan Priority Degree. Sedangkan jika menggunakan variabel Arrival Times, Transportation Type, dan Goal Junction, ANFIS (4 TrapMf) mampu mereduksi AWT sebesar 0,0779 detik dengan 19,7646 RMSE.
EKSTRAKSI RELASI MERONYMY DENGAN LEXICO-SYNTACTIC PATTERNS Kardinata, Eunike; Rakhmawati, Nur Aini
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 6, No 1 (2020): Volume 6 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v6i1.36549

Abstract

Ontologi terdiri atas konsep dan relasi yang masing-masing dapat diekstrak dengan berbagai macam metode. Salah satu metode yang dapat digunakan untuk ekstraksi relasi adalah metode berdasarkan Lexico-Syntactic Patterns. Secara sederhana, ekstraksi relasi dilakukan dengan mendapatkan sebuah pola yang menunjukkan sebuah relasi. Kemudian dilakukan percobaan untuk menguji apakah pola yang didapatkan mampu memprediksi relasi dengan tepat. Pada penelitian ini dilakukan percobaan untuk menguji pola relasi meronymy yang didapatkan dari dataset penelitian terdahulu. Evaluasi dilakukan dengan menggunakan nilai recall dan precision. Dari penelitian ini, ditemukan bahwa banyaknya (keragaman) variasi dalam sekumpulan pola yang menunjukkan suatu relasi dapat mempengaruhi kemampuan kumpulan pola tersebut untuk memprediksi relasi dengan tepat. Semakin banyak variasi pola dalam satu relasi, maka ketepatan prediksi cenderung menurun.

Page 16 of 53 | Total Record : 522

 14   15   16   17   18 

Filter by Year

2015 2025


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