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
 32   33   34   35   36 
Klasifikasi Indeks Kedalaman Kemiskinan Provinsi Sulawesi Selatan Berbasis Decision Tree, K-Nearest Neighbor, Naive Bayes, Neural Network, dan Random Forest Muhammad Faozan Mulad Khalik; Fatchul Arifin
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.67492

Abstract

Penelitian ini bertujuan untuk mendapatkan klasifikasi indeks kedalaman kemiskinan dengan metode terbaik untuk kabupaten/kota di Provinsi Sulawesi Selatan dengan membandingkan metode Decision Tree, K-Nearest Neighbor, Naïve Bayes, Neural Network, dan Random Forest. Penelitian ini menggunakan metode kuantitatif dengan menggunakan data sekunder yang diperoleh dari situs resmi Badan Pusat Statistik Provinsi Sulawesi Selatan. Pada penelitian ini digunakan 168 data latih yang bersumber dari data tahun 2014 sampai dengan data tahun 2021, kemudian untuk data uji yang digunakan yaitu 24 data yang bersumber dari data tahun 2022. Hasil dari penelitian ini menunjukkan bahwa metode K-NN dan Neural Network memperoleh performa paling tinggi dibandingkan dengan metode lain tingkat akurasi 79,17%, precission 85,71%, recall 80%. Namun pada penilaian parameter AUC, metode Neural Network lebih unggul dibandingkan metode K-NN dengan skor AUC 0,837. Sehingga dapat disimpulkan bahwa metode Neural Network ini dapat dijadikan sebagai metode untuk melakukan klasifikasi indeks kedalaman kemiskinan kabupaten/kota Provinsi Sulawesi Selatan.
Pivot Language Bahasa Melayu Pontianak ke Bahasa Bugis Menggunakan Neural Machine Translation Alda Dwi Meilinda; Herry Sujaini; Novi Safriadi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.59813

Abstract

Bahasa merupakan faktor terpenting yang digunakan dalam interaksi sosial. Kemampuan berbahasa yang berbeda di kalangan masyarakat berpotensi menghambat pertukaran informasi secara verbal. Upaya yang dapat dilakukan untuk mengurangi kesalahan dalam menyampaikan informasi yaitu dengan penggunaan teknologi mesin penerjemahan. Beberapa tahun terakhir, neural machine translation telah menghasilkan terjemahan alami yang lebih akurat menggunakan arsitektur transformers dan framework tensorflow. Namun, saat ini sulit menemukan pasangan data korpus paralel dari bahasa daerah, seperti bahasa Melayu Pontianak dan bahasa Bugis, untuk memudahkan pembuatan korpus paralel digunakan bahasa Indonesia sebagai pivot language dengan arsitektur transformers. Penelitian ini bertujuan untuk mengetahui hasil nilai akurasi pada neural machine translation sebelum dan sesudah menggunakan pivot language dari bahasa Melayu Pontianak ke bahasa Bugis. Data penelitian yang digunakan berjumlah 3000 baris kalimat bahasa Melayu Pontianak dan bahasa Bugis, 3000 baris kalimat bahasa Melayu Pontianak dan bahasa Indonesia, serta 3000 baris kalimat bahasa Indonesia dan bahasa Bugis. Hasil pengujian otomatis BLEU yang diperoleh menggunakan pivot language meningkat sebesar 1,43% dibandingkan pengujian tanpa pivot language. Berdasarkan hasil penelitian penggunaan pivot language dari bahasa Melayu Pontianak ke bahasa Bugis menggunakan neural machine translation mengalami peningkatan nilai akurasi.
Algoritma Penanganan Constraint pada Persoalan Penjadwalan Perkuliahan Universitas di Lingkungan Pendidikan Tinggi Keagamaan Islam (PTKI) Fatchurrochman Fatchurrochman; Arif Nur Afandi; M Zainal Arifin; Wayan Firdaus Mahmudy
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.64546

Abstract

Penjadwalan perkuliahan di universitas adalah kegitan rutin yang membutuhkan waktu relatif lama untuk menyelesaikannya jika dikerjakan secara manual. Waktu yang dibutuhkan akan semakin besar ketika semakin banyak constraint yang dipertimbangkan. Mekanisme penanganannya akan berbeda di tiap universitas karena mungkin mereka mempunyai constraint yang unik. Dalam paper ini dipaparkan berbagai algoritma penanganan untuk tiap jenis constraint dalam persoalan penjadwalan perkuliahan. Algoritma penjadwalan perkuliahan otomatis yang digunakan dalam penjadwalan otomatispenelitian ini adalah sequential search yang bekerja dengan cara mencari slot waktu yang masih belum dipergunakan untuk ditempati oleh kelas perkuliahan . Bila slot waktu telah dipergunakan maka sistem akan mencari slot waktu yang lain secara berurutan. Uji coba dilakukan di program studi Teknik Informatika UIN Malang pada semester Ganjil tahun akademik 2021/2022. Hasilnya menunjukkan bahwa dengan 10 constraint, sistem yang dibangun dapat menjadwalkan 190 kelas perkuliahan secara otomatis dan 21 kelas perkuliahan dijadwalkan secara interaktif. Dengan sistem yang diajukan maka seluruh kelas perkuliahan sebanyak 211 dapat terjadwal meskipun ada pelanggaran soft constraint oleh 17 kelas perkuliahan.
Analisis Pemilihan Optimizer dalam Arsitektur Convolution Neural Network VGG16 dan Inception untuk Sistem Pengenalan Wajah Ken Ratri Retno Wardani; Hanjaya Suryalim; Ventje J. Lewi Engel; Hans Christian
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.60432

Abstract

Penggunaan sistem pengenalan wajah semakin meningkat dewasa ini karena itu penting untuk menemukan cara yang optimal dalam meningkatkan akurasi pengenalan wajah. Pengenalan wajah memanfaatkan arsitektur Convolution Neural Network (CNN), tersusun dari lapisan-lapisan konvolusi yang diikuti oleh fully connected layer. Lapisan konvolusi ini yang bertanggungjawab atas proses ekstraksi fitur pada citra yang akan digunakan untuk klasifikasi citra tersebut. Pada penelitian ini diuji dua jenis arsitektur CNN yaitu VGG16 dan Inception untuk mengukur akurasi pengenalan wajah. Faktor lain seperti hyperparameter juga memegang andil tingkat akurasi model. Hyperparameter yang diuji pada penelitian kali ini adalah jenis optimizer dan pengaruh perubahan learning rate pada akurasi. Optimizer bekerja dengan cara mengubah nilai bobot dan bias saat proses backpropagation dengan tujuan menghasilkan nilai error yang minimum. Setiap optimizer memiliki algoritma yang unik. Pengujian menggunakan 2 dataset yaitu Komnet dan Yale, serta melakukan pengujian pengaruh preprocessing MCLAHE terhadap akurasi. Hasil akurasi tertinggi yang dicapai adalah arsitektur Inception dengan optimizer AdaDelta pada dataset Komnet+MCLAHE. Akurasi pada tahap pelatihan mencapai 98%. Rata-rata akurasi setelah model diuji dengan 10-fold cross validation adalah 99.3%.
Perancangan Sistem Otomatisasi Pemberi Pakan Ikan Lele Berdasarkan Suhu Air Menggunakan Logika Fuzzy Sugeno Somantri Somantri; Gina Purnama Insany; Siti Olis; Kamdan Kamdan
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.65823

Abstract

Ikan merupakan kelas vertebrata yang dikategorikan sebagai hewan ektotermik, artinya suhu tubuhnya berubah-ubah tergantung suhu lingkungan, hal tersebut berpengaruh terhadap tingkah laku makan ikan, saat ini sudah banyak sistem otomatisasi pakan ikan, namun sistem yang ada belum memperhatikan kondisi lingkungan, faktor yang sangat signifikan berpengaruh terhadap tingkah laku makan ikan adalah suhu air, dari permasalahan tersebut, peneliti membuat sistem otomatisasi pemberi pakan ikan lele berdasarkan suhu air menggunakan logika fuzzy sugeno. Sistem yang dibuat menggunakan metode pengembangan sistem prototype dan logika fuzzy sugeno, logika fuzzy sugeno digunakan untuk membuat aturan banyaknya pakan yang keluar berdasarkan parameter suhu air. variabel input suhu air memiliki rentang antara 0-36 oC dan variabel output jumlah pakan memiliki rentang 0-100%, hasil pengujian pada aplikasi matlab menunjukan akurasi yang tinggi, dari pengujian motor servo, didapat keluaran pakan 20 gram setiap satu kali putaran dalam waktu satu detik, pada pengujian sensor suhu air didapat selisih rata-rata 0.45 oC dengan rata-rata error 1,8%. Pada pengujian penjadwalan didapat selisih pada waktu pagi, siang dan sore hari yaitu 5 detik. Pengujian lapangan dilakukan pada kolam berukuran 4x3 meter dengan bobot ikan 600 kg, dari hasil perhitungan, kebutuhan pakan dalam satu hari yaitu 18 kg, maka sistem harus melakukan 900 kali putaran dengan waktu 15 menit untuk memenuhi kebutuhan pakan ikan dalam kolam tersebut.
Pengenalan Tulisan Tangan Karakter Aksara Batak Toba dengan Metode Convolutional Neural Network (CNN) Alfael Maradu Andar Turnip; Nurul Fadillah; Munawir Munawir
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.64242

Abstract

Dari banyaknya budaya yang ada di Indonesia pasti memiliki bahasa yang berbeda beda. Dalam dialek suatu daerah ada yang memiliki huruf sendiri sebagai jenis komposisi atau penggambaran bahasa itu. Salah satu bahasa yang memiliki huruf tersendiri sebagai jenis penyusunannya adalah bahasa Batak Toba, yang juga disebut dengan aksara Batak Toba. Penelitian ini bertujuan untuk melatih komputer agar dapat mengenali karakter aksara Batak Toba. Dalam penelitian ini, digunakan metode Convolutional Neural Network (CNN) dalam mengenali tulisan tangan aksara Batak Toba. Hasil penelitian diperoleh  model CNN dengan ukuran kernel 3x3, hidden layer 1, ukuran citra masukan sebesar 150x150 pixel, menggunakan batas epoch sebesar 300 epoch dan dari model tersebut dihasilkan akurasi pada pengujian I sebesar 89.47 %, akurasi pada pengujian II sebesar 73.68 %, akurasi pada pengujian III sebesar 57,89%, akurasi pada pengujian IV sebesar 84,21% dan akurasi pada pengujian V sebesar 84,21%.
Optimasi Hyperparameter pada Neural Network (Studi Kasus: Identifikasi Komentar Cyberbullying Instagram) Nur Fajriyani; Enda Esyudha Pratama; Rina Septiriana
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.68319

Abstract

Instagram adalah salah satu media sosial yang populer di Indonesia dan memiliki resiko terjadinya cyberbullying, sehingga klasifikasi komentar cyberbullying perlu dilakukan menggunakan text mining. Model klasifikasi yang dibangun pada penelitian ini menggunakan Neural Network dengan arsitektur Multilayer Perceptron dan dilatih dengan algoritma Backpropagation. Bayesian Optimization digunakan untuk melakukan optimasi hyperparameter, dengan hyperparameter yang dioptimasi adalah hidden layer, learning rate, dan momentum. Dilihat dari hasil evaluasi, performa dari model Neural Network dengan optimasi hyperparameter lebih baik daripada Neural Network yang hanya menggunakan default hyperparameter. Dimana model Neural Network dengan default hyperparameter mengalami overfitting dan menghasilkan nilai akurasi sebesar 81,38%, sedangkan model dengan optimasi hyperparameter tidak mengalami overfitting dan mengalami kenaikan akurasi dibandingkan dengan model Neural Network tanpa optimasi hyperparameter dengan model dengan tiga hyperparameter yang dioptimasi yaitu hidden layer, learning rate, dan momentum mengalami kenaikan akurasi sebesar 2,5%, model dengan optimasi hyperparameter pada hidden layer dan pada learning rate masing-masing mengalami kenaikan akurasi yang sama, yaitu sebesar 2,37%, dan model dengan optimasi hyperparameter pada momentum mengalami kenaikan akurasi sebesar 2%. Hasil penelitian ini menunjukkan bahwa hidden layer, learning rate, dan momentum ketika di optimasi secara bersamaan memiliki pengaruh besar dalam mencegah overfitting, menaikan akurasi, dan memiliki waktu eksekusi yang baik daripada dioptimasi secara terpisah.
Implementasi IPFS untuk Mengurangi Gas Fee Smart Contract Ethereum pada Aplikasi Penggalangan Dana Hutomo Sakti Kartiko; Tedy Rismawan; Ikhwan Ruslianto
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.61876

Abstract

Blockchain merupakan teknologi buku besar yang bersifat decentralized. Blockchain memiliki protokol consensus sebagai kesepakatan bersama dalam pengelolaan basis data. Contoh penerapan blockchain yaitu ethereum. Kelebihan ethereum yaitu dapat menjalankan program atau aturan yang disebut sebagai smart contract. Proses perubahan data pada ethereum memerlukan biaya transaksi atau gas fee. Nilai gas fee ini fluktuatif menyesuaikan gas fee terendah saat ini, kepadatan jaringan dan kompleksitas transaksi. Smart contract ethereum tidak efisien untuk menyimpan data yang berukuran besar karena semakin besar data yang disimpan maka semakin kompleks transaksi yang perlu dilakukan. Untuk meningkatkan efisiensi gas fee smart contract maka dilakukan sebuah penelitian dengan menerapkan InterPlanetary File System (IPFS). Teknik yang digunakan yaitu mengkombinasikan teknologi IPFS dengan smart contract ethereum untuk mengurangi kompleksitas transaksi ketika proses penyimpanan data penggalangan dana ke smart contract ethereum. Penerapan IPFS pada aplikasi penggalangan dana membutuhkan gas fee 0,00311847-0,003379868 ETH dengan kecepatan transaksi 12-36 detik. Berdasarkan pengujian sebanyak 40 kali dengan data yang berbeda, penerapan IPFS dapat menurunkan gas fee dengan rata-rata hingga 94,39% dan kecepatan transaksi sistem yang menerapkan IPFS lebih besar 13,55% dari sistem yang tidak menerapkan IPFS.
Implementasi Pseudo Random Number Generator (PRNG) dengan Algoritma Linear Congruential Generator (LCG) pada Permainan Mengetik Bertema Candi Prambanan Galih Rizky Fahrezi; Dolly Virgian Shaka Yudha Sakti; Hafiz Muhardi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.64713

Abstract

Komputer biasa digunakan untuk kebutuhan sehari-hari. apapun kebutuhan itu pastinya tidak luput dari kebutuhan akan mengetik maupun menekan tombol pada keyboard namun tidak semua orang mampu mengetik dengan cepat. Disaat bersamaan komputer juga digunakan sebagai sarana hiburan seperti bermain game akan tetapi ini menyebabkan hiburan lama seperti kisah rakyat menjadi ditinggalkan. Dikarenakan hal itu dibuatlah sebuah game mengetik bergenre typing game dengan latar belakang cerita rakyat berupa Candi Prambanan. Game akan dikembangkan menggunakan metode Game Development Life Cycle (GDLC) dan juga menggunakan algoritma Linear Congruential Generator (LCG) yang merupakan bagian dari Pseudo Random Number Generator (PRNG) pada permainannya. Hasil yang didapatkan dari penelitian ini adahal para pemain dapat dengan mudah mengerti kisah Candi Prambanan yang disampaikan saat memainkan game mengetik dengan genre typing game ini.
Sistem Informasi Pengelolaan Alat Berat (Studi Kasus Dinas Pekerjaan Umum dan Penataan Ruang Kota Pontianak) fransiska risa denibetri; Eva Faja Ripanti; Haried Novriando
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 2 (2023): Volume 9 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i2.63972

Abstract

Alat berat adalah komponen penting pada proyek kontstruksi dan evakuasi. Ketersedian alat berat yang terbatas membuat Dinas Pekerjaan Umum dan Penataan Ruang (DPUPR) Kota Pontianak yang dikelola oleh UPTD Alat Berat menyediakan jasa penyewaan alat berat untuk menghasilkan Pemasukan Anggaran Daerah (PAD). Sistem yang sudah berjalan memiliki beberapa kelemahan yaitu setiap proses-proses belum terintegrasi secara real time, sehingga untuk mengoptimalkan proses monitor, kontrol dan pengambilan keputusan diperlukan sistem informasi pengelolaan alat berat. Sistem informasi pengelolaan alat berat yang akan dikembangkan pada penelitian ini memfasilitasi proses pendataan alat berat, penyewaan alat berat dimana penyewaan terdiri atas kegiatan sewa alat, pembayaran, penjadwalan, dan perekapan berkas, dan perawatan yang terdiri atas kegiatan pendataan perawatan serta pembelian sparepart. Penelitian ini bertujuan untuk mengoptimalkan sistem pengelolaan alat berat dalam pemonitoran, pengontrolan dan pengambilan keputusan. Beberapa pendekatan yang digunakan untuk mengumpulkan data-data yang dibutuhkan yaitu studi literatur, observasi, dan wawancara. Pengembangan sistem dibuat dengan metode system development life cycle, dengan model Rapid Application Development (RAD) yaitu prototype. Pengembangan prototype menggunakan aplikasi desain digital figma. Sistem yang dikembangkan berbasis website menggunakan framework PHP codeigniter 4. Pengujian sistem menggunakan black box testing dan UAT. Sistem yang dikembangkan dapat berjalan sesuai kebutuhan sistem informasi pengelolaan alat berat dan diterima oleh pengguna dengan sangat baik, hal tersebut menunjukan keefektifan penggunaan model prototipe dalam pengembangan perangkat lunak yang berfokus pada kepuasan pengguna dikarenakan adanya komunikasi dan kerja sama tim yang baik. Penggunaan aplikasi desain digital seperti figma mempermudah saat memberi gambaran yang jelas kepada pengguna terutama saat menggunakan model prototype. 

Page 34 of 53 | Total Record : 522

 32   33   34   35   36 

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