Jurnal Edukasi dan Penelitian Informatika (JEPIN)
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.
Articles
522 Documents
<![CDATA[Sistem Monitoring dan Proteksi pada Stop Kontak Berbasis IoT ]]>
<![CDATA[Syaifur Rahman]]>;
<![CDATA[Abcory Aula]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v8i1.48052
<![CDATA[Pemasangan stop kontak pada instalasi listrik merupakan suatu keharusan dikarenakan banyak beban listrik yang diaktifkan melalui stop kontak. Penggunaan berbagai macam beban listrik pada stopkontak dapat menyebabkan stop kontak menjadi panas, cepat rusak dan menimbulkan terjadinya kebakaran akibat suhu lubang terminal meningkat. Stop kontak dapat dikembangkan tidak saja sebagai penyambung tetapi juga dapat dimanfaatkan sebagai media untuk mendeteksi besarnya daya beban dan energi listrik serta suhu terminal stop kontak dari jarak jauh. Metode yang digunakan pada sistem monitoring dan proteksi stopkontak dengan menambahkan perangkat elektronik(hardware) dan Software yang dapat mendeteksi daya beban listrik serta kenaikan suhu pada terminal stopkontak. Perangkat utama pada sistem elektronik adalah modul Node MCU ESP8266 yang memiliki fitur Wifi dengan sebuah open source platform IoT. Node MCU ESP8266 dihubungkan dengan sensor suhu DHT 22, dan sensor daya PZEM 004. Modul Node MCU8266 ditanamkan perangat luak yang berisi instruksi dan kode-kode program agar sinyal yang dikirimkan dari sensor-sensor dapat dikonversikan menjadi angka-angka yang dapat dipahami oleh pengguna. Nilai yang terbaca oleh sensor kemudian ditampilkan pada LCD dan dikirimkan melalui media internet ke smartphone melalui apliasi Blynk. Hasil pengujian terhadap sensor suhu dan daya diperoleh Sistem stop kontak berbasis IoT dapat memberikan informasi penggunaan daya listrik serta suhu terminal/lubang stop kontak. Rata-rata kesalahan pembacaan daya pada sensor PZEM 004 sekitar 3,5% dan rata-rata kesalahan pembacaan suhu DHT 22 sebesar 0,3%. Sistem stop kontak akan memutuskan beban listrik apabila daya beban melebihi 500 W atau suhu terminal melebihi 50°C. ]]>
<![CDATA[Implementasi Feature Driven Development untuk Mempermudah Ekualitas Fitur dan Adaptasi pada Pengembangan Portal Dutatani Web dan Mobile ]]>
<![CDATA[Antonius Rachmat Chrismanto]]>;
<![CDATA[Argo Wibowo]]>;
<![CDATA[Lukas Chrisantyo]]>;
<![CDATA[Maria Nila Anggia Rini]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v8i1.50715
<![CDATA[Perkembangan teknologi dapat digunakan dalam berbagai bidang, termasuk pertanian. Dutatani adalah web portal pertanian yang telah berhasil membantu petani dalam mendukung peningkatan efisiensi, efektifitas, dan produktivitas pertanian. Dutatani telah dibangun berbasis web dan diperlukan versi mobile agar dapat digunakan dengan lebih personal oleh para petani. Pengembangan Dutatani versi mobile memiliki masalah dalam ekualitas dengan versi webnya. Penelitian ini menggunakan Feature Driven Development (FDD) untuk menghasilkan sistem Dutatani berbasis mobile yang memiliki ekualitas dengan versi web portalnya dengan tingkat adaptasi yang mudah dan minimal. Penelitian ini dilakukan sesuai tahapan FDD dan pengujian menggunakan User Experiences Questionnaire (UEQ) pada mobile version. Daftar fitur yang dikembangkan pada FDD didapatkan dari penelitian sebelumnya menggunakan WebQual. FDD tepat digunakan dalam mempermudah pengembangan fitur untuk memastikan ekuitas antara dua platform dan efisien dalam mempermudah mengintegrasikan fitur Dutatani versi web dan mobile dengan hasil maksimal dalam rangka pengembangan sistem jangka panjang dan penelitian berikutnya. Selain itu Dutatani mobile juga telah dilakukan uji UEQ terhadap petani di bagian modul portal, data, dan fitur menunjukan tingkat good dan excelent.]]>
<![CDATA[Geotagging untuk Monitoring Pelaksanaan Proyek Konstruksi ]]>
<![CDATA[Rachmat Wahid Saleh Insani]]>;
<![CDATA[Syarifah Putri Agustini Alkadri]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v8i1.51271
<![CDATA[Salah satu kendala dalam proyek konstruksi adalah koordinasi seluruh fungsi pengelolaan proyek. Geotagging atau geo-referencing menambahkan metadata yang mengidentifikasi geografis ke citra untuk mengetahui keadaan dari suatu lokasi dengan memetakannya ke suatu peta digital. Penelitian ini ditujukan untuk merancang, membangun, dan menganalisis aplikasi sistem monitoring proyek konstruksi yang menggunakan teknologi geotagging. Sistem yang dihasilkan akan berbentuk aplikasi dan akan diukur fungsionalitas serta akurasi geotagging yang ada di dalamnya. Geotagging dikembangkan melalui integrasi sistem dengan layanan lokasi perangkat Android. Hasil penelitian ini berupa suatu sistem yang berbentuk aplikasi Android dan mampu menyimpan foto proyek konstruksi dan menampilkan lokasi pengambilan foto di peta digital menggunakan teknik geotagging. Teknik ini menempelkan koordinat terkini perangkat, ke dalam file gambar dalam bentuk Exif tag. Kekuatan sinyal merupakan pengaruh terbesar dalam akurasi dari koordinat yang diperoleh. Apabila pengawas berada di lokasi proyek yang memiliki tingkat sinyal yang tidak stabil, maka marker yang menunjukkan lokasi pengambilan foto dan tampil di peta digital tidak memiliki akurasi yang baik.]]>
<![CDATA[Implementasi Algoritma Winnowing pada Aplikasi Pendeteksi Kemiripan Dokumen ]]>
<![CDATA[Glen Hizkia Oge Mangundap]]>;
<![CDATA[Herry Sujaini]]>;
<![CDATA[Helen Sasty Pratiwi]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v8i1.47822
<![CDATA[Beberapa syarat yang mahasiswa harus lakukan dalam menyelesaikan program sarjana (S1) salah satunya ialah membuat karya ilmiah dalam bentuk skripsi. Dalam penulisan skripsi, beberapa kasus penulisan skripsi mahasiswa memiliki topik judul yang sama. Dengan kesamaan topik pada judul yang dibuatoleh mahasiswa membuat kemungkinan isi skripsi yang dibuat menjadi mirip. Kemiripan tersebut tidak bisa dibilang sebagai bentuk plagiarisme. Oleh karena itu dibutuhkan aplikasi yang bisa mendeteksi kemiripan antara dokumen skripsi dengan dokumen skripsi lainya agar dapat mengetahui apakah kalimat yang mirip di dalam dokumen skripsi mengandung plagiarisme atau tidak. Algoritma Winnowing digunakan untuk meningkatkan efisiensi dari proses perbandingan dokumen serta menghasilkan nilai fingerprinting. Nilai fingerprinting kemudian dihitung dengan menggunakan Dice Distance dan Chebyshev Distance untuk mengetahui berapa persentase kemiripan antar dokumen skripsi.Aplikasi yang dibangun ini berhasil untuk mendeteksi kemiripan antara dokumen skripsi dengan menggunakan algoritma winnowing dan dapat beroperasi dengan baik. Hasil pengukuran Dice Distance adalah 23.87 % sedangkan dengan pengukuran Chebyshev Distance adalah 79, dan rata-rata waktu yang dihabiskan dalam memproses satu dokumen adalah 110.74 detik. Antara Dice Distance dan Chebyshev Distance jika dipaksa digabungkan akan mendapatkan hasil yang tidak sesuai dikarenakan perbedaan pengukuran nilai.]]>
<![CDATA[Uji Komparasi Algoritma Naïve Bayes dan Decision Tree Classification Menggunakan Covid-19 Dataset ]]>
<![CDATA[Helen Sastypratiwi]]>;
<![CDATA[Yulianti Yulianti]]>;
<![CDATA[Hafiz Muhardi]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v8i1.49841
<![CDATA[Corona virus yang saat ini terjadi menjadikan perubahan tatanan hidup dalam masyarakat baik di Indonesia maupun luar negeri. Corona virus atau disebut dengan Covid-19 telah banyak memakan korban dari berbagai usia. Oleh karena itu, diperlukan penerapan sistem otomatis dalam sistem deteksi untuk mencegah penyebaran COVID-19 di antara orang-orang. Kecerdasan buatan dapat merupakan alat yang dominan dalam perang melawan krisis COVID-19. Kecerdasan buatan memiliki subdomain seperti machine learning. Mechine learning (ML) dapat membantu dalam mendiagnosis dan memprediksi COVID-19. Dataset Covid-19 sebagai kasus yang digunakan dalam analisis untuk mengkaji perbandingan antar algoritma dalam pembelajaran mesin. Komparasi dilakukan terhadap algoritma Naïve Bayes dan algoritma Decision Tree Classification berdasarkan feature importance yang dimiliki kedua algoritma tersebut. Uji komparasi ini penting agar kedepannya penelitian dapat berjalan lebih baik dengan mengetahui algoritma yang sesuai dan dapat membantu dalam penyelesaian masalah yang akan datang. Dalam penentuan fitur digunakan dua teknik yaitu correlation matrix dan feature importance. Correlation matrix menunjukkan nilai total cases tertinggi dalam korelasi dengan fitur lainnya. Berdasarkan penelitian yang telah dilakukan terhadap data Covid-19 global, algoritma Decision Tree lebih baik dibanding dengan algoritma Naïve Bayes.]]>
<![CDATA[Solusi Heuristik untuk Permasalahan Rute Inventori Berkala pada Produk Segar ]]>
<![CDATA[Wahyu Satria]]>;
<![CDATA[Mohamad Sofitra]]>;
<![CDATA[Noveicalistus H Djanggu]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v8i1.51667
<![CDATA[Produk segar yang mudah rusak (perishable) ialah produk yang mengalami penurunan nilai seiring dengan waktu sehingga dibutuhkan strategi pendistribusian dan penyimpanan yang tepat agar produk dapat terjual sebelum nilai produk menurun secara signifikan. Pada riset ini dikembangkan suatu metode solusi heuristik bagi masalah inventory routing berkala untuk pendistribusian dan pengelolaan persediaan produk segar mudah rusak dengan tujuan memaksimalkan pendapatan total yang dihasilkan. Pengembangan metode solusi heuristik ini menggunakan dua algoritma heuristik yaitu greedy dan random. Eksperimen terhadap kedua algoritma ini dilakukan menggunakan dua skenario pola demand konsumen akhir. Hasil eksperimen menunjukkan bahwa Algoritma Greedy mampu memberikan solusi yang lebih baik dibandingkan dengan Algoritma Random pada skenario pola demand menurun.]]>
<![CDATA[Klasifikasi Mazhab Menggunakan Metode Naïve Bayes (Studi Kasus: Salat) ]]>
<![CDATA[Siti Ummi Masruroh]]>;
<![CDATA[Siti Hanna]]>;
<![CDATA[Nadia Azza]]>;
<![CDATA[Kamarusdiana Kamarusdiana]]>;
<![CDATA[Nanda Alivia Rizqy Vitalaya]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v8i1.51418
<![CDATA[Salat dimulai dengan gerakan takbir dan diakhiri dengan gerakan salam berdasarkan rukun dan syarat pada ketentuan hukum Islam. Dunia fikih penuh dengan perbedaan pendapat, termasuk dalam pembahasan salat. Perbedaan dalam fikih terwujud dalam bentuk mazhab-mazhab. Sebagai umat islam dianjurkan untuk mengetahui mazhab siapa yang diterapkandalam beribadah kepada Allah SWT. Klasifikasi fikih dalam salat bertujuan untuk mengetahui kecenderungan mazhab yang diikuti oleh seseorang.Naïve Bayes adalah salah satu jenis metode untuk melakukan klasifikasi data. Penelitian ini akan membuat suatu aplikasi pengklasifikasian mazhab fikih salat yang berbasis android dengan 4 mazhab dan menggunakan metode naïve bayes. Sistem ini dibangun dengan Flutter dan database MySQL. Teknologi aplikasi mobile android ini diharapkan dapat memberikan solusi alternatif untuk mengklasifikasikan mazhab dalam fikih salat. Teknik pengujian dilakukan dengan pengujian alpha oleh user (ustadz) dan uji akurasi sistem dilakukan dengan membandingkan hasil antara perhitungan manual dan perhitungan oleh sistem yang dibuat. Pengujian alpha menunjukkan hasil bahwa aplikasi mampu bekerja dengan baik, dan sesuai dengan pengujian akurasi yang menunjukkan akurasi sistem pada aplikasi adalah 100%.]]>
<![CDATA[Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning ]]>
<![CDATA[Mohammad Farid Naufal]]>;
<![CDATA[Selvia Ferdiana Kusuma]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v8i1.49951
<![CDATA[Kebijakan Pemberlakukan Pembatasan Kegiatan Masyarakat (PPKM) merupakan salah satu kebijakan pemerintah yang diambil untuk menekan laju persebaran Covid19. Tidak setiap kebijakan selalu berdampak positif untuk warga. Oleh sebab itu perlu adanya evaluasi terhadap setiap kebijakan. Saat ini banyak warga yang sering menanggapi kebijakan pemerintah melalui komentar-komentar di media sosial twitter. Komentar-komentar tersebut sebanarnya dapat dijadikan bahan evaluasi terhadap kebijakan yang telah diambil. Namun komentar-komentar tersebut perlu diklasifikasikan dahulu, komentar yang bersentimen positif, negative maupun netral. Proses pengklasifikasian secara manual tentunya akan menyita banyak waktu karena jumlah sangat banyak, bisa ribuah bahkan puluhan ribu. Perlu adanya otimatisasi pengklasifikasin sentimen dari twitter tersebut. Oleh sebab itu penelitian ini berfokus pada otomatisasi analisis sentimen komentar-komentar warga pada media sosial twitter terkait PPKM. Proses otomatisasi analisis sentimen terkait kebijakan PPKM ini berbasis deep learning. Semua data yang telah melalui preprocess dan pelabelan kemudian akan dimodelkan menggunakan algoritma Long Short Term Memory (LSTM). Model dibentuk berdasarkan uji coba paramater yang paling baik menggunakan algoritma grid search. Model yang terbentuk inilah yang digunakan untuk mengklasifikasikan sentimen tweet secara otomatis. Berdasarkan eksperimen yang dilakukan, metode yang diusulkan berhasil mengklasifikasikan 37750 tweet sesuai dengan sentimennya dengan akurasi 87%.]]>
<![CDATA[Data Mining dengan Segmentasi Pengguna pada Keamanan Sistem File ]]>
<![CDATA[Agus Pamuji]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v8i1.52233
<![CDATA[Salah satu sumber daya yang menjadi pertimbangan kritis adalah sistem file. Hampir semuanya terlibat dalam menghubungkan pengguna dengan sistem file. Manajemen pengguna, file dan konfigurasi akan menjadi fokus permasalahan jika dikaitkan dengan keamanan. Pengguna pada sistem file dianggap memiliki identitas ketika terhubung dengan sistem. Disamping itu, atribut izin dan hak yang ada pada pengguna sebagai pelengkap identitas. Saat ini terjadi peningkatan aktiftas dalam sistem file sehingga menjadi lebih kompleks . Sistem yang kompleks dan pengguna yang belum terkelola dengan baik maka berpotensi ancaman keamanan file. Dalam studi ini, telah dilakukan penelusuran dan investigasi pada aktivitas dengan log riwayat aktivitas pengguna dalam sistem file khususnya pendekatan data mining . Metode klustering ditujukan untuk menganalisis dengan menghasilkan luaran pengetahuan berupa kluster. Pembentukan kluster ditunjang dengan teknik K-Means. Hasil pengelompokan menjadi segmentasi terhadap pengguna pada sistem file. Hasil akhir merepresentasikan adanya 5 kluster pada teknik K-Means. Model dengan teknik K-Means terbukti menjadi model yang efektif dibuktikan dengan nilai akurasi pada metode Davies Bouldin Index (DBI). Tambahan pengukuran lain adalah dengan F- Measures untuk meninjau hasil akurasi penempatan kluster pada kasus dengan teknik K-Means. Dengan demikian, metode klustering dengan teknik K-Means merupakan metode yang dianggap handal ketika mensegmentasikan data pengguna terkait dengan aktivitas pada sistem file.]]>
<![CDATA[Cascading Principle pada Rancangan Awal Model Sirkulasi Produk Pakaian Jadi dengan Pendekatan Object-Oriented Analysis Design ]]>
<![CDATA[Eva Faja Ripanti]]>
<![CDATA[ JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 1 (2022): Volume 8 No 1 ]]>
Publisher : <![CDATA[Program Studi Informatika ]]>
Show Abstract
|
Download Original
|
Original Source
|
Check in Google Scholar
|
DOI: 10.26418/jp.v8i1.50254
<![CDATA[Penelitian ini bertujuan untuk merancang sebuah model sirkulasi pada industri pakaian jadi dengan mengadopsi prinsip cascading dengan pendekatan object-oriented analysis and design (OOAD). Model awal sirkulasi dirancang untuk mempermudah proses perpanjangan usia dari produk pakaian jadi itu sendiri sebelum dilakukan proses recycle atau dispose. Model tersebut mengadopsi prinsip cascading yang merupakan salah satu prinsip dari Circular Economy (CE). Setelah berhasil mengidentifikasi variabel – variable penting dalam proses sirkulasi dari produk pakaian jadi, kemudian variabel tersebut dihubungkan dengan prinsip cascading pada CE sehingga dihasilkan model yang dapat berkontribusi meningkatkan nilai sebuah produk baik secara ekonomi maupun lingkungan. Proses perancangan model dilakukan menggunakan pendekatan OOAD. Pendekatan ini memungkinkan semua variabel dan parameter yang terlibat pada ranah pembicaraan sirkulasi produk pakaian jadi dipandang sebagai objek. Gambaran dari model tersebut akan divisualisasikan dengan menggunakan instrumen Unified Modeling Language (UML). Penelitian dilakukan dengan beberapa pendekatan seperti literatur review, analisis, dan perancangan. Hasil dari penelitian ini adalah model sirkulasi untuk produk pakaian jadi yang dirancang untuk memberikan rekomendasi proses sirkulasi yang paling efektif sebelum dilakukan proses recycle hingga dispose sehingga dapat mengurangi dampak buruk sampah pakaian jadi terhadap lingkungan.]]>
