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
 34   35   36   37   38 
Analisis Segmentasi Leukosit pada Acute Myeloid Leukemia dengan Active Contour Without Edge dan Watershed Distance Transform Nurcahya Pradana Taufik Prakisya; Yusfia Hafid Aristyagama
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 3 (2023): Volume 9 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i3.67809

Abstract

Acute myeloid leukemia (AML) adalah salah satu tipe kanker darah yang mengakibatkan sumsum tulang tidak dapat menghasilkan sel leukosit jenis myeloid yang matang. Pada dasarnya diagnosa penyakit AML menggunakan basis perhitungan jumlah persentase relatif sel leukosit dalam darah. Kesalahan dalam perhitungan jumlah sel dapat berimbas pada kurang tepatnya diagnosa yang dibuat. Dalam pemrosesan citra apusan darah secara digital, salah satu hal yang masih menjadi kendala adalah sel darah yang saling bersinggungan dan bahkan tumpang tindih. Penelitian ini mengusulkan perpaduan algoritma active contour without edge (ACWE) yang dikombinasikan dengan watershed distance transform (WDT) untuk dapat mengatasi permasalahan objek sel darah yang tumpang tindih. ACWE digunakan untuk melakukan segmentasi objek sel darah berbasis perhitungan inside energy dan outside energy sementara WDT diimplementasikan sebagai algoritma pemisah objek dengan memanfaatkan memanfaatkan transformasi jarak dari setiap piksel ke nilai piksel non-zero terdekat. Hasil penelitian menunjukkan dari total 876 objek sel leukosit, terdapat 734 objek yang dapat disegmentasi dengan baik dan sisanya sebanyak 142 objek masih belum dapat diseparasi dengan tepat. Nilai ini menunjukkan bahwa perpaduan algoritma ACWE dan WDT dapat memisahkan 83,789% objek sel leukosit dari citra AML M1, M2 dan M3.
Klasifikasi Kematangan Buah Sawit Berdasarkan Fitur Warna, Bentuk dan Tekstur Menggunakan Algoritma K-NN Safrida Ika Guslianto; Shofwatul ‘Uyun
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 3 (2023): Volume 9 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i3.64877

Abstract

Kelapa sawit merupakan tanaman perkebunan yang menghasilkan CPO (Crude Palm Oil). Kadar CPO dipengaruhi oleh tingkat kematangan buah sawit. Pemanfaatan teknologi dalam melakukan klasifikasi untuk membantu proses memanen buah sawit telah dilakukan beberapa penelitian sebelumnya. Penerapan algoritma klasifikasi seperti SVM, K-Mean Clustering dan Backpropagation telah dilakukan dan mendapatkan hasil yang berbeda-beda. Pada penelitian ini klasifikasi Ekstraksi ciri fitur warna, bentuk dan tektur dilakukan untuk membandingkan pilihan fitur terbaik. Pemilihan fitur ini dilakukan untuk memilih fitur terbaik yang mampu melakukan klasifikasi kematangan buah sawit menggunakan Algoritma K-Nearest Neigbhors. Dimensi citra yang mempengaruhi dalam klasifikasi membuat peneliti melakukan pembuktian dalam pemilihan fitur yang tepat dalam klasifikasi ini. Fitur warna yang digunakan dalam penelitian ini adalah nilai Mean RGB, Standar Deviasi RGB, Entropy RGB dan Skenewss RGB. Fitur Bentuk yang digunakan nilai area, metriks, perimeter, mayor axis, minor axis dan nilai eccentricity. Fitur tektur yang digunakan nilai Mean Greyscale, Standar Deviasi Greyscale, contrast, correlation, energy dan homogeneity. Data yang digunakan dalam penelitian ini adalah sebanyak 230 citra terbagi kedalam 200 citra latih 100 citra matang, 100 citra mentah. Data uji digunakan sebanyak 30 citra yaitu 15 matang dan 15 citra mentah. Hasil klasifikasi terbaik dalam penelitian ini adalah penerapan pada fitur Warna dengan K = 1, 3, 4, 5 dan 7 sebesar 96.6%, fitur Tektur dengan K = 6 sebesar 66% dan fitur Bentuk dengan K = 1 sebesar 73.3%.
Analisis Clustering dan Pemetaan Sebaran Pelanggan Perusahaan Properti di Sidoarjo Apriliani Nur Afifah; Vivine Nurcahyawati; Valentinus Roby Hananto
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 3 (2023): Volume 9 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i3.67935

Abstract

Strategi pemasaran selalu diterapkan pada perusahaan yang bertujuan untuk melakukan penjualan sebanyak-banyaknya dengan margin yang tinggi yang didukung oleh promosi yang menarik. Tentunya dengan melakukan promosi yang menarik memerlukan anggaran yang tinggi. Didapatkan data bahwa anggaran untuk pemasaran yang telah dilakukan mencapai 4% dari total omzet yang dimiliki. Hal tersebut dinilai bahwa pemasaran yang dilakukan kurang optimal, tidak terencana, dan menyebabkan kerugian. Hal ini terjadi karena belum adanya penetapan strategi pemasaran berdasarkan kondisi sebaran pelanggannya. Oleh karena itu, diperlukan adanya pengelompokan pelanggan melalui data mining dengan menerapkan metodologi CRISP-DM. Adapun algoritma yang digunakan adalah K-Means Clustering dari data historikal pelanggan agar dapat menciptakan strategi marketing yang benar dan tepat sasaran. Tujuan penelitian ini adalah melakukan analisis clustering sebaran pelanggan untuk mengetahui segmentasi pelanggan. Kontribusi dari penelitian ini berupa pemetaan persebaran pelanggan dari hasil clustering data mining agar mudah dipahami oleh pengguna sehingga dapat dijadikan sebagai acuan untuk melakukan strategi marketing. Dengan menerapkan metode Elbow dan Algoritma K-Means Clustering pada penelitian ini dapat menyelesaikan masalah segmentasi pelanggan dimana pengujian akurasi menggunakan model silhouette score atas hasil 3 cluster menghasilkan nilai 0.959 yang berarti cluster tersebut optimal atau bernilai sangat baik sehingga dapat membantu divisi Marketing dalam mempromosikan produk lebih terarah.
Dampak Test-Driven Development pada Kualitas Kode Muhammad Iqbal Naufal Ilmi; Aminudin Aminudin; Zamah Sari
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 3 (2023): Volume 9 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i3.66815

Abstract

Pengembang perangkat lunak sekarang dituntut untuk memiliki perangkat lunak yang baik. Salah satu faktor yang membuat perangkat lunak tersebut baik adalah bebas dari berbagai macam bug dan program mudah untuk dirawat. Salah satu cara untuk mendapatkan hal tersebut adalah menggunakan Test-Driven Development (TDD). TDD adalah metode dengan menuliskan pengujian sebelum kode program. Dengan TDD diharapkan memiliki kualitas kode yang baik dan bebas dari berbagai macam bug. Karena hal tersebut, pada paper ini akan diteliti tentang dampak yang terjadi ketika menggunakan TDD dalam nilai-nilai seperti code coverage, halstead volume dan maintainability index. Hasilnya didapatkan bahwa dengan menggunakan TDD dapat meningkatkan matriks pada indikator tersebut karena pengembang memiliki kesempatan untuk berfokus pada penulisan test di awal sebagai awal siklus dan fokus pada akhir siklus. Berdasarkan perhitungan yang dilakukan, didapatkan hasil dengan penggunaan TDD dapat meningkatkan nilai code coverage sampai lebih dari 100%, cyclomatic complexity sebesar 15.78%, halstead volume sebesar 35% dan maintainability index sebesar 11%. Hal tersebut terjadi karena kode lebih banyak yang dijangkau oleh pengujian dan setiap siklus diakhiri dengan refactor sehingga program akan diperbaiki setiap siklus sehingga kualitas kode menjadi lebih baik.
Deteksi Objek menggunakan Deep Learning untuk Mengetahui Tingkat Kerumunan Mahasiswa Nur Wakhidah; Prind Triajeng Pungkasanti; Agusta Praba Ristadi Pinem
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 3 (2023): Volume 9 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i3.70132

Abstract

Penyebaran Covid 19 varian Delta di Kota Semarang pada bulan Juni – November 2021 mengakibatkan terjadinya kembali lonjakan. Hal ini menjadi pertimbangan Dinas Kesehatan terkait pembelajaran tatap muka (PTM) terbatas. Universitas Semarang (USM) yang memiliki mahasiswa terbanyak di Kota Semarang dengan jumlah mahasiswa terdaftar sejumlah 21644. Banyaknya mahasiswa yang dimiliki USM akan sangat rentan terjadinya pelanggaran protokol kesehatan dilingkungan universitas seperti adanya kerumunan mahasiswa. Salah satu yang dapat dilakukan dalam pencegahan yaitu deteksi objek untuk menentukan kerumunan menggunakan teknologi deep learning. Penerapan deep learning pada model pendeteksi objek menggunakan metode Convolutional Neural Network (CNN) berfungsi untuk melakukan ekstraksi fitur ciri objek yang tertangkap kamera, lalu akan disimpan sebagai fitur ciri objek. Setelah fitur disimpan, model melakukan pendeteksian dan menghitung banyaknya objek pada citra yang ditangkap untuk menentukan tingkat kerumunan mahasiswa. Model yang dibangun secara keseluruhan memiliki F1-Score 0.91 yang berarti kegagalan False Negative maupun False Positive tidak berbeda jauh. Model deteksi ini mampu melakukan penghitungan obyek manusia dengan MAPE 17% dan RMSE 2.68.
Analisa Pola Belanja Konsumen serta Prediksi Stok Barang Berbasis Web I Made Dwi Cahaya Putra; Gusti Made Arya Sasmita; Ni Kadek Dwi Rusjayanthi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 3 (2023): Volume 9 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i3.67154

Abstract

Data mining merupakan teknik pengolahan data dalam jumlah besar menggunakan berbagai algoritma serta sistem untuk menghasilkan sebuah informasi yang berguna. Tujuan dari penelitian ini adalah untuk membuat sebuah sistem berbasis web dengan mengimplementasikan teknik data mining yang dapat digunakan dalam mempermudah melakukan asosiasi terhadap barang dan prediksi stok barang. Penelitian ini dilakukan dengan menggunakan dua metode asosiasi yaitu dengan algoritma FP-Growth dan apriori serta dua metode prediksi yaitu dengan algoritma regresi linier dan Support Vector Regression (SVR). Proses asosiasi dari 2658 data transaksi menggunakan metode FP-Growth dan apriori sama-sama menghasilkan jumlah aturan asosiasi berdasarkan nilai minimum support dan confidence yang sama. Proses prediksi 10 jenis barang menggunakan regresi linier dan SVR menghasilkan tingkat akurasi yang berbeda-beda tiap produknya sehingga metode dengan akurasi tertinggi dipilih pada setiap produk. Rata-rata tingkat kesalahan prediksi dengan MAPE dari 10 produk menggunakan metode regresi linear sebesar 12,09% sedangkan metode SVR sebesar 11,51%, sehingga metode SVR memiliki akurasi yang lebih baik untuk diterapkan pada Timbul Jaya Petshop. Hasil dari asosiasi dan prediksi dapat dimanfaatkan untuk merancang strategi bisnis kedepannya. 
Implementasi Algoritma Aho-Corasick pada Pencarian di Aplikasi Lost and Found Naufal Ferdy Sulaeman; Murnawan Murnawan
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 3 (2023): Volume 9 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i3.68389

Abstract

Pencarian informasi yang efisien dan akurat merupakan tantangan dalam pengembangan aplikasi Lost and Found. Penelitian ini mengeksplorasi implementasi algoritma Aho-Corasick pada sistem pencarian di aplikasi Lost and Found. Algoritma Aho-Corasick, sebuah algoritma pencarian string efisien, digunakan untuk meningkatkan kinerja dan ketepatan pencarian objek yang hilang. Penelitian ini berfokus pada desain dan implementasi algoritma Aho-Corasick dalam pengembangan fitur pencarian di aplikasi Lost and Found. Pertama, studi dilakukan untuk memahami prinsip kerja algoritma Aho-Corasick serta keunggulan dalam konteks aplikasi ini. Selanjutnya, algoritma tersebut diimplementasikan dalam lingkungan pengembangan aplikasi dan disesuaikan dengan kebutuhan fitur pencarian yang diinginkan. Aplikasi ini diciptakan dengan menggunakan sistem backend (API) dan frontend, sehingga API (Application Programming Interface) dari aplikasi ini dapat digunakan dalam devices yang berbeda pada pengembangan selanjutnya. Metode pengujian yang digunakan melibatkan sejumlah skenario pencarian yang berbeda untuk mengukur kinerja algoritma Aho-Corasick. Parameter yang diukur meliputi waktu respons pencarian, ketepatan hasil pencarian, dan penggunaan sumber daya sistem. Berdasarkan hasil pengujian, algoritma Aho-Corasick yang menghasilkan waktu total 145.68 ms terbukti memiliki waktu pemrosesan yang lebih cepat 300% dibandingkan dengan metode pencocokan kata kunci pencarian dengan laporan yang tersimpan dalam database yang mencatatkan waktu total 459.93 ms.
Antropometri Digital Suku Dayak, Melayu, dan Tionghoa Kalimantan Barat Berbasis Image Processing Yopa Eka Prawatya; Noveicalistus H Djanggu; Ratih Rahmawati; Syahmi Sajid
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 3 (2023): Volume 9 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i3.70233

Abstract

Kalimantan Barat merupakan daerah yang didiami oleh banyak suku bangsa dengan ketiga suku bangsa terbanyak adalah Dayak, Melayu, dan Tionghoa. Setiap suku bangsa memiliki dimensi tubuh yang berbeda-beda. Pengukuran dimensi tubuh atau antropometri umumnya dilakukan secara manual dengan menggunakan bantuan jangka sorong, mistar, dan pita meteran. Pengumpulan data antropometri untuk ketiga suku bangsa tersebut dari sejumlah banyak orang tentunya dapat dilakukan walaupun memerlukan waktu yang cukup lama. Pengumpulan data antropometri secara cepat serta efektif dan efisien dapat dilakukan dengan menggunakan antropometri digital berbasis image processing. Pengumpulan data antropometri menggunakan image processing dapat dilakukan dengan mengambil gambar dari objek penelitian menggunakan sebuah kamera. Gambar tersebut kemudian akan diolah menggunakan bahasa pemrograman Python dan dengan library OpenCV. Gambar terlebih dahulu akan dilabeli dengan sebuah bentuk melalui tahapan shape creation dan hasil bentuk yang dibangun kemudian dideteksi menggunakan object detection. Kemudian dilakukan perhitungan sistem dengan menggunakan koefisien pengali yang telah diperoleh melalui perhitungan titik acuan. Diperoleh akurasi program pengukuran antropometri digital adalah 98,66% dan tingkat error 0,99 cm. Berdasarkan hasil pengumpulan data diperoleh bahwa setiap suku bangsa memiliki karakteristik dimensi tubuh yang berbeda. Penggunaan antropometri digital dapat mengumpulkan data antropometri secara akurat dan cepat.
Pemanfaatan Smart Contract dalam Transformasi Supply Chain melalui Teknologi Blockchain Aditiya Hermawan; Deviastati Putri Sugiarta Karlim; Junaedi Junaedi; Benny Daniawan
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 3 (2023): Volume 9 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i3.69328

Abstract

Saat ini, keterbatasan informasi mengenai keaslian produk masih mengemuka, memicu penyebaran produk palsu secara tidak terkontrol di masyarakat. Supply chain, sebagai elemen integral, memiliki peran sentral dalam memberikan pemahaman signifikan kepada konsumen terkait produk yang mereka konsumsi. Teknologi blockchain dalam manajemen rantai pasok menawarkan transparansi, yang dapat secara substansial meningkatkan kepercayaan konsumen terhadap produk yang dipilihan. Namun, penerapan teknologi blockchain dalam rantai pasok saat ini masih terbatas, dan minimnya pemahaman tentang blockchain menjadi hambatan utama. Penelitian ini bertujuan untuk menyajikan informasi komprehensif mengenai produk dalam rantai pasok serta memanfaatkan teknologi blockchain melalui smart contract. Melalui penerapan sistem berbasis teknologi blockchain dalam rantai pasok, pengguna akan memperoleh informasi yang substansial dan komprehensif mengenai produk yang mereka akuisisi dan gunakan. Hasil evaluasi yang menunjukkan kepuasan konsumen secara keseluruhan sebesar 89,64%. Sistem ini sangat membantu bagi konsumen pada saat memutuskan untuk membeli sebuah produk dengan mengetahui informasi yang lengkap dan transparan terkait produk. Dalam hal ini, penerapan teknologi blockchain dengan smart contract meningkatkan keyakinan konsumen bahwa produk yang mereka beli autentik dan aman. Teknologi blockchain dengan smart contract menjadi solusi efektif dalam menanggulangi masalah produk palsu dan meningkatkan transparansi rantai pasok. Teknologi blockchain memungkinkan penyediaan informasi yang aman dan tidak dapat diubah, sedangkan smart contract memfasilitasi transaksi otomatis dan transparan tanpa perantara.
Perbandingan Kinerja LSTM dan Prophet untuk Prediksi Deret Waktu (Studi Kasus Produksi Susu Sapi Harian) Alusyanti Primawati; Imas Sukaesih Sitanggang; Annisa Annisa; Dewi Apri Astuti
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 9, No 3 (2023): Volume 9 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v9i3.72031

Abstract

Prediksi deret waktu dibutuhkan untuk menjawab pertanyaan bisnis dimasa depan  yang akurat sehingga perlunya membangun model prediksi yang memiliki kinerja bagus. Pendekatan machine learning seperti long short term memory (LSTM) dan Prophet menjadi popular saat ini untuk pemodelan prediksi deret waktu. Agribisnis susu segar saat ini salah satu studi kasus yang memerlukan peranan teknologi informasi seperti bisnis intelijen untuk memastikan ketersediaan pasokan susu dimasa depan. Upaya pertama yang perlu dilakukan adalah menyiapkan model prediksi yang tepat meskipun data awal yang dikumpulkan masih sedikit atau terbatas. Dataset produksi susu sapi selama 300 hari menjadi data penelitian yang dimodelkan kedalam LSTM dan Prophet. Keduanya dibandingkan kinerjanya terhadapa data terbatas. Hasilnya uji koefisien determinasi R2 keduanya yaitu 0.2, sehingga perlu dilakukan peningkatan kinerja melalui tahapan revise and enhance. Hasilnya, kedua model meningkat nilai R2 menjadi 0.3 dan LSTM lebih baik dari Prophet. Meskipun demikian perbedaan keduanya tidak terlalu signifikan dan peningkatan juga tidak berbeda terlalu jauh karena data susu memiliki pola multi-periode dengan tren berbeda signifikan. Periode 90 hari pertama adalah masa klimaks laktasi sedangkan periode kedua setelah 90 hari adalah masa intervensi peternak menurunkan hasil perah untuk persiapakan ternak kambing perah ke masa kawin dan bunting.

Page 36 of 53 | Total Record : 522

 34   35   36   37   38 

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