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
 35   36   37   38   39 
Sistem Penentuan Penerima Bantuan KIP Kuliah dengan Menggunakan Metode MOORA (Studi Kasus: Universitas Tanjungpura) Alfredo Michael Alliandaw; Renny Puspita Sari; Ibnur Rusi
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.v9i3.69990

Abstract

Setiap individu memiliki kesempatan yang setara untuk dapat melanjutkan pendidikannya menuju ke jenjang perkuliahan, oleh karena keterbatasan biaya, tidak semua orang dapat berkuliah di tempat yang diinginkan, salah satu program bantuan yang diberikan oleh pemerintah dalam penanganan biaya kuliah adalah bantuan Kartu Indonesia Pintar Kuliah (KIP-K). Program KIP-K merupakan salah satu pilihan bantuan dalam penanganan biaya pendidikan yang diberikan kepada calon mahasiswa dengan tingkat perekonomian rendah yang berada di Universitas Tanjungpura. Akan tetapi, dikarenakan banyaknya calon mahasiswa yang mendaftar untuk mendapatkan bantuan program KIP-K, sehingga menyebabkan jumlah pendaftar melebihi dari kuota yang diberikan, dan dengan adanya faktor penilaian yang rumit untuk dapat diukur kepada masing-masing pendaftar, maka diperlukan suatu sistem pendukung keputusan dengan menggunakan algoritma perhitungan MOORA sebagai metode perhitungan. Hal ini dilakukan agar pemberian bantuan KIP-K diberikan kepada mahasiswa dengan tepat, sehingga bantuan yang diterima oleh setiap mahasiswa dapat digunakan sebaik mungkin. Kesimpulan pada penelitian ini adalah ketika menggunakan sistem dalam menentukan pemberian bantuan KIP-K kepada para calon mahasiswa UNTAN, dapat dihasilkan perangkingan dari mahasiswa yang paling layak hingga kurang layak untuk menerima bantuan KIP-K. Dari data penelitian sebanyak 30 sampel, diperoleh hasil dengan mahasiswa yang memiliki kode alternatif A4 meraih nilai akhir tertinggi sebesar 0.138783, sedangkan mahasiswa dengan nilai terendah dimiliki oleh kode alternatif A3 dengan nilai sebesar 0.019263.
Implementasi Convolutional Neural Network (CNN) untuk Klasifikasi Motif Batik pada Aplikasi Computer Vision Berbasis Android Ihsan Maulana; Helen Sastypratiwi; Hafiz Muhardi; Novi Safriadi; Herry Sujaini
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.v9i3.69496

Abstract

Batik merupakan bagian dari warisan budaya Indonesia yang memiliki banyak jenis dan corak karena terdapat perbedaan nilai, simbol, makna filosofis, dan strategi adaptasi yang berbeda antara satu masyarakat dengan masyarakat lainnya. Banyaknya variasi pola dalam motif batik membuat pengidentifikasian motif batik menjadi sulit, terutama bagi masyarakat awam. Diperlukanlah inovasi untuk memanfaatkan teknologi guna memperkenalkan motif batik, salah satu caranya adalah dengan memanfaatkan teknologi computer vision. Penelitian ini menggunakan teknik Deep Learning, dengan menerapkan model Convolutional Neural Network (CNN) yang digunakan untuk mengekstraksi citra pada gambar dua dimensi. Data citra yang akan digunakan sebagai objek untuk diklasifikasi adalah motif batik corak insang, dayak, ikat celup, dan megamendung. Pada penelitian ini menggunakan data citra sebanyak 1320 data latih, 80 data validasi, dan 120 data uji. Hasil pengujian pada klasifikasi, saat persentase keempat kelas mencapai 70% (passing grade) pada salah satu kelas maka dapat diklasifikasikan sebagai salah satu dari kelas tersebut. Namun, jika tidak ada satupun kelas yang mencapai passing grade, maka dapat diklasifikasikan sebagai Objek Lainnya. Hasil akhir penelitian menunjukkan bahwa Aplikasi Klasifikasi Motif Batik berbasis Android berhasil berjalan sesuai harapan, baik dari sisi fungsionalitas aplikasi maupun proses klasifikasinya.
Implementasi Pengukuran Kenyamanan Visual Pada Ruang Perkantoran berbasis Internet of Thing Rina Dewi Indahsari; Siti Sendari; Wahyu Sakti Gunawan Irianto
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.v9i3.67819

Abstract

Pencahayaan yang cukup secara alami dibutuhkan manusia dalam beraktivitas. Gedung perkantoran sebagai tempat beraktivitas memerlukan pengaturan pencahayaan agar penghuninya mendapatkan kenyamanan visual.  Biaya yang tinggi tidak selalu mampu memberikan kenyamanan yang dibutuhkan. Untuk itu perlu dilakukan pengukuran kenyamanan visual pada ruang perkantoran untuk menerapkan kondisi pencahayaan yang paling efektif sesuai kondisi ruangan dan kebutuhan penghuninya. Penggunaan pencahayaan buatan (lampu) akan membantu panca indera penglihatan manusia dalam mengakses informasi. Pengukuran tingkat cahaya dilakukan menggunakan sensor BH1750 yang dikoneksikan dengan Arduino modul wifi ESP8266. Sistem mampu menyimpan hasil pengukuran tingkat cahaya secara real time dan ditampilkan melalui dashboard website. Hasil pengukuran dikombinasikan dengan data cuaca dan kebiasaan penghuni dalam mengatur pencahayaan buatan (lampu). Dari hasil eksperimen dan observasi pada ruang perkantoran dengan luas 64,8 m2 menunjukkan bahwa kenyamanan visual mampu di dapatkan dengan pencahayaan buatan (lampu) sepanjang hari. Hasil eksperimen menunjukkan bahwa masing-masing bagian dalam ruangan menerima tingkat pencahayaan yang berbeda. Pengukuran tingkat pencahayaan berbasis IoT mampu menunjukkan hasil bahwa 2 dari 5 titik meja kerja telah mememiliki pencahayaan yang baik dan memberikan kenyamanan visual bagi penghuninya. Dari hasil survey menunjukkan bahwa kenyamanan visual penghuni berada pada tingkat cahaya 100 lux atau lebih.
Implementasi Deep learning untuk Identifikasi Daun Tanaman Obat Menggunakan Metode Transfer learning Noveri Lysbetti Marpaung; Rio Juan Hendri Butar Butar; Sakti Hutabarat
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.v9i3.63895

Abstract

Tanaman obat adalah tanaman yang memiliki khasiat untuk digunakan sebagai obat penyembuhan atau pencegahan berbagai penyakit. Pemanfaatan tanaman obat di Indonesia sudah sangat umum dilakukan oleh masyarakat sejak zaman dahulu. Pengetahuan tentang tanaman obat juga diwariskan oleh nenek moyang sejak dulu. Tanaman obat memiliki bentuk daun yang hampir serupa antara satu tanaman dengan tanaman lainnya, terutama dari bentuk morfologi daun. Hal ini membuat beberapa masyarakat memiliki kekeliruan dalam mengidentifikasi daun tanaman obat. Dalam beberapa dekade terakhir, deep learning telah menjadi metode yang populer untuk mengidentifikasi objek. Deep learning memiliki kemampuan untuk dapat mengidentifikasi objek dengan tepat, sehingga sangat cocok digunakan untuk mengidentifikasi daun tanaman obat. Pada penelitian ini, metode transfer learning digunakan untuk mengidentifikasi tanaman obat. Transfer learning menggunakan model yang telah dilatih sebelumnya, sehingga dapat digunakan untuk data yang lebih sedikit dan memiliki waktu komputasi yang relatif lebih cepat. Pretrained model yang digunakan pada penelitian ini adalah MobileNetV2. Pada penelitian ini, teknik fine tune diterapkan untuk meningkatkan performa model. Beberapa percobaan dilakukan dengan parameter yang berbeda seperti epoch dan layer fine tune untuk mendapatkan hasil terbaik. Hasil penelitian ini mendapatkan akurasi 99% untuk training, 98% untuk validasi, dan 94% untuk pengujian.
Analisis Perbandingan Algoritma LSTM dan Naive Bayes untuk Analisis Sentimen Auliya Rahman Isnain; Heni Sulistiani; Bagus Miftaq Hurohman; Andi Nurkholis; Styawati Styawati
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.54704

Abstract

New Normal merupakan sebuah sebutan bagi kebijakan pemerintah untuk mengizinkan masyarakatnya melakukan aktifitas seperti biasa di tengah pandemi Covid-19 yang sedang melanda dengan tetap memperhatikan protokol kesehatan. Kebijakan ini menimbulkan berbagai tanggapan dari masyarakat terutama di media sosial twitter. Untuk itu, diperlukan proses analisis sentimen untuk melakukan pemrosesan terhadap teks yang didapat dari twitter. Analisis sentimen adalah bentuk representasi dari text mining dan text processing. Pada penelitian ini melakukan perbandingan kinerja metode Long Short Therm Memory dengan Naïve Bayes terhadap analisis sentimen Kebijakan New Normal. Hasil yang diperoleh dari penelitian ini yaitu metode  LSTM memiliki kinerja yang lebih baik bila dibandingkan dengan Naïve Bayes. Metode LSTM menghasilkan nilai akurasi, presisi dan recall sebesar 83.33%. Sedangkan metode Naïve Bayes memiliki nilai akurasi, presisi dan recall sebesar 82%.
GoEliTool for Software Requirements Elicitation using Goal-Oriented Approach Rosa Delima; Joko Purwadi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 3 (2022): Volume 8 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i3.58406

Abstract

Requirements engineering (RE) is an essential initial stage in software engineering. The RE process begins with the elicitation stage. This stage collects all user requirements that must be fulfilled by the system which will be developed. A goal-oriented approach is an effective approach used to automate the RE process. The development of goal-oriented input document standards is one of the important issues that has not been widely studied. Therefore, this study developed a goal-oriented input document standard for the requirements elicitation process. A tool is developed based on the form of the input document that has been generated. The development of standard forms of input documents begins with literature study and data collection, analysis, design of standard forms of documents, tool design, tool development, and testing. At the analysis stage, a logical framework and element structure is formulated in a goal-oriented approach. Furthermore, the standard form of input documents is developed. The standard form of the document becomes a guideline for developing tools to process data requirements from elicitation results. Tool testing is carried out using black-box testing. The test results show that the tool can work according to the planned function. The trial of the use of the tools was carried out using five requirements datasets. The results of testing and using the tool through the requirements dataset show that GoEliTools can be used to record data on the requirements of several users for the development of an information system. 
Efektivitas Blended Learning Model Problem Based Learning dan Discovery pada Mata Kuliah Matematika Bisnis Yunia Mulyani Azis; Moechammad Sarosa Sarosa; Ghiaska Nabilah Witka; Ribka Inestya Simanungkalit
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 3 (2022): Volume 8 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i3.59226

Abstract

Rendahnya pemahaman konsep Matematika menyebabkan peserta didik sulit untuk mendapat hasil belajar yang baik, diperlukan suatu model mengajar yang dapat meningkatkan peserta didik untuk dapat terlibat aktif dan berpikir kritis dalam pembelajaran. Tujuan dari penelitian ini untuk membandingkan efektivitas dua model pembelajaran yang melibatkan keaktifan dan berpikir kritis melalui pembelajaran blended learning yaitu model Problem Based Learning dan Discovery Learning. Melibatkan 2 kelas sebagai kelas kontrol dan eksperimen yang diambil secara acak, dengan instrument pretest postest sebanyak 10 soal dan analisis data uji multivariat menggunakan Hotelling’s Trace T2 dengan taraf signifikansi 5% diperoleh kesimpulan bahwa kedua populasi pada saat pretest mempunyai pemahaman konsep dan hasil belajar yang sama, perubahan terjadi ketika model PBL dan discovery learning diterapkan.  Melalui uji rata-rata disimpulkan bahwa pembelajaran blended learning model PBL lebih baik diterapkan dibandingkan dengan discovery learning pada mata kuliah Matematika Bisnis.
Klasifikasi Citra Burung Jalak Menggunakan Artificial Neural Network dan Random Forest Aviv Yuniar Rahman
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.53480

Abstract

Klasifikasi Citra Burung Jalak Menggunakan Fitur ekstraksi GLCM dan Artificial Neural Network sebelumnya sudah pernah diteliti. Hasil dalam penelitian tersebut menunjukkan tingkat akurasi dalam klasifikasi jenis burung jalak hanya mencapai 49,20% dengan split ratio 50:50.Oleh karena itu, peneliti mengusulkan klasifikasi citra burung jalak menggunakan Artificial Neural Network dan Random Forest. Klasifikasi ini bertujuan untuk meningkatkan hasil akurasi sebelumnya. Hasil dalam pengujian yang dilakukan antara Artificial Neural Network dengan Random Forest bisa disimpulkan bahwa pada fitur Wavelet memiliki hasil yang maksimal pada proses klasifikasi burung jalak. Hasil dalam pengujian dimulai dengan Artificial Neural Network memiliki nilai tertinggi pada precision mencapai 0.986, recall 0.987, f-measure sebesar 0.988 dan accuracy sebesar 89% pada split ratio 50:50. Hasil dari Random Forest memiliki nilai tertinggi pada precision mencapai 1.000, recall mencapai 0.877, f-measure mencapai 0.975 dan accuracy mencapai 100% dengan perbandingan mulai dengan 50:50. Hasil klasifikasi citra burung jalak dari segi matrix confusion menunjukkan bahwa perbandingan data antara 10:90 sampai dengan 90:10 juga sangat berpengaruh dalam proses ketepatan dalam mengklasifikasi. Pengujian yang telah dilakukan telah membuktikan bahwa metode Random Forest dapat memperbaiki kinerja dan hasil pada metode Artificial Neural Network. Serta dalam hal ini menunjukkan Random Forest lebih baik dalam ketepatan dan keakuratan dibandingkan dengan Artificial Neural Network dalam mengklasifikasi jenis burung jalak
Aplikasi Manajemen Berkas Usulan dan Penilaian Sidang Skripsi menggunakan Layanan Google Drive API Willy Ferry; Yus Sholva; Haried Novriando
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 2 (2022): Volume 8 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i2.54571

Abstract

Proses skripsi di Jurusan Informatika Universitas Tanjungpura saat ini menggunakan aplikasi SPOTA (Sistem Pendukung Outline Tugas Akhir) yang berbasis web dimana terjadinya proses penentuan kelayakan usulan topik skripsi mahasiswa. Saat usulan topik skripsi diterima maka dilanjutkan ke tahapan seminar, dimana mahasiswa melakukan pemberkasan administrasi secara fisik. Namun sejak terjadi pandemi Covid-19, pemberkasan administrasi dilakukan secara digital dengan memanfaatkan layanan Google Drive. Permasalahan terjadi pada berkas digital yang diunggah mahasiswa ke folder milik Staff Bagian Administrasi, kepemilikan berkas tetap pada mahasiswa sehingga dapat dihapus olehnya. Staff Bagian Administrasi menyalin dan memindahkan berkas ke folder khusus pada Drive sehingga tidak bisa dihapus oleh mahasiswa. Masalah berikutnya adalah penilaian yang di-input dan dihitung secara manual bersamaan dengan penerbitan dokumen berita acara seminar yang menggunakan layanan Google Document. Dokumen berita acara tidak dapat diakses mahasiswa karena terdapat tanda tangan digital dosen, sementara itu catatan/komentar revisi para dosen pada berita acara harus diketahui mahasiswa. Dalam penelitian ini dikembangkan aplikasi berbasis web untuk menangani pemberkasan, penilaian, serta penerbitan berita acara seminar dengan memanfaatkan layanan Google Drive API menggunakan akun resmi Staff Bagian Administrasi. Dengan demikian berkas yang diunggah mahasiswa akan menjadi kepemilikan Staff Bagian Administrasi. Pengembangan aplikasi menggunakan metode Rapid Application Development (RAD) karena kebutuhan aplikasi belum dapat didefinisikan secara keseluruhan. Tujuan yang ingin dicapai adalah memudahkan proses pemberkasan, persetujuan berkas, penilaian dan penerbitan berita acara seminar menggunakan aplikasi. Pengujian aplikasi menggunakan metode Black Box pada fungsi utama yaitu proses upload berkas, persetujuan berkas, dan penilaian. Hasil pengujian aplikasi menunjukkan fungsi utama berjalan dengan baik.
Pengembangan Sistem Dashboard untuk Mengevaluasi Platform E-Marketplace dengan Metode Scrum pada Startup GRAVIS Zakky Al Attar; Tien Fabrianti Kusumasari; Rahmat Fauzi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 3 (2022): Volume 8 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i3.58782

Abstract

Dalam pengelolaan sebuah bisnis, penjual perlu mengetahui kinerja tokonya dengan mengolah dan menganalisis data transaksi dengan pembeli menjadi sebuah informasi menggunakan Dashboard. Penggunaan dashboard cukup penting sehingga butuh studi lanjutan terkait evaluasi penggunaannya. Penelitian sebelumnya lebih banyak membahas pembuatan dan pengembangan aplikasi dashboard berbasis website dan mendiskusikan operasionalisasi dashboard pada lembaga pendidikan. Oleh karena itu penelitian ini berupaya memfokuskan pada aspek perusahaan rintisan. Penelitian ini akan difokuskan pengembangan dashboard menggunakan framework Laravel dengan metode pengembangan Scrum. Penelitian ini menggunakan model konseptual dan sistematika penyelesaian masalah sehingga tercipta sebuah aplikasi yang membantu e-Marketplace. Tujuan penelitian ini adalah (1) memahami KPI evaluasi platform GRAVIS. (2) memahami konsep arsitektur aplikasi dashboard platform GRAVIS. (3) mengembangkan dashboard untuk menyajikan informasi dalam bentuk visualisasi data. Hasil penelitian ini menunjukkan (1) Key performance indicator (KPI) yang digunakan meliputi enam belas poin utama. (2) Dashboard akan menampilkan informasi dengan gauge chart, line chart dan bar chart. (3) Hasil dari enam scenario black-box testing yang diujikan mendapatkan total sukses sebanyak enam scenario dan nol scenario gagal, maka dari itu hasil dari pengujian black-box testing selesai pada iterasi pertama.

Page 37 of 53 | Total Record : 522

 35   36   37   38   39 

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