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
 36   37   38   39   40 
Aplikasi Monitoring Berkas Perkara Tindak Pidana Umum pada Kejaksaan Negeri Ketapang Jordi Alviandi Liansyah; Novi Safriadi; Enda Esyudha Pratama
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.v8i2.56670

Abstract

Berkas perkara merupakan hasil seluruh rangkaian proses penyidikan berupa administrasi penyidikan yang meliputi pencatatan, pelaporan, pembuatan berita acara, surat menyurat dan pendataan yang disusun, diikat, diberi sampul, disegel dan dijilid dengan rapi untuk segera diserahkan penyidik ke penuntut umum. Penanganan berkas perkara tindak pidana umum pada Kejaksaan Negeri Ketapang belum sepenuhnya berjalan dengan baik dan tepat waktu mengakibatkan penyerahan tersangka dan barang bukti menjadi lebih lama dan menyebabkan berkas perkara menumpuk. Hal ini dikarenakan penanganan berkas perkara yang berlarut-larut melewati batas waktu yang sudah ditetapkan. Analisa dilakukan dengan pendekatan System Development Life Cycle (SDLC) yaitu dengan model waterfall. Penelitian ini menghasilkan Aplikasi Monitoring Berkas Perkara Tindak Pidana Umum Pada Kejaksaan Negeri Ketapang. Aplikasi ini dapat membantu Kepala Seksi Tindak Pidana Umum pada Kejaksaan Negeri Ketapang dalam memonitoring proses penanganan perkara dengan memberikan notifikasi jika terdapat berkas yang baru masuk maupun berkas yang sudah melewati batas waktu yang ditentukan. Perancangan sistem dibangun dengan menggunakan Data Flow Diagram (DFD). Untuk pengujian aplikasi dilakukan dengan metode Black Box dan System Usability Scale (SUS). Berdasarkan hasil pengujian dengan metode Black Box yang dilakukan telah sesuai antara masukan dengan hasil yang ditampilkan. Pada pengujian System Usability Scale (SUS) mendapat skor 80,7 dan dikategorikan acceptable yang fungsinya sudah berjalan dengan baik.
Analisis Rules Intrusion Detection Prevention System (IDPS) Suricata untuk Mendeteksi dan Menangkal Aktivitas Crypto Mining pada Jaringan Fadhil Raditya; Jeckson Sidabutar
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.v8i2.56194

Abstract

Perkembangan teknologi informasi sangat pesat khususnya perkembangan pada sektor finansial dalam hal ini adalah mata uang kripto. Salah satu cara untuk mendapatkan aset mata uang kripto adalah dengan melakukan penambangan mata uang kripto. Hal tersebut dapat memicu penyerang untuk membuat suatu aplikasi berbahaya yang disisipkan pada server perusahaan atau instansi, dan membuat aplikasi tersebut melakukan aktivitas penambangan mata uang kripto. Oleh karena itu sistem keamanan jaringan pada suatu instansi atau perusahaan harus menerapkan pengamanan tambahan dalam hal ini adalah Intrusion Detection Prevention System (IDPS) yang digunakan sebagai sistem pendeteksi serta penangkalan aktivitas berbahaya pada jaringan, salah satunya adalah penambangan mata uang kripto. Adapun aplikasi IDPS yang dapat diimplementasikan pada jaringan instansi atau perusahaan adalah Suricata. Penelitian ini melakukan analisis rules IDPS Suricata dalam mendeteksi dan menangkal aktivitas penambangan mata uang kripto pada jaringan. Terdapat 2 jenis simulasi yang dilakukan yaitu dengan membandingkan default rules dengan custom rules yang dibuat untuk mendeteksi dan menangkal aktivitas penambangan 10 jenis mata uang kripto diantaranya Ethereum (ETH), Conflux (CFX), Bitcoin Gold (BTG), Ethereum Classic (ETC), Monero (XMR), TON, AION, Zcash (ZEC), FLUX dan Raven (RVN). Analisis yang dilakukan meliputi perhitungan nilai accuracy, precision, recall, dan f-measure. Hasil yang didapat menunjukkan bahwa custom rules yang dibuat dan diimplementasikan untuk mendeteksi dan menangkal aktivitas penambangan mata uang kripto memiliki peningkatan nilai accuracy sebesar 0,2%, nilai recall sebesar 48,94%, dan nilai f-measure sebesar 32,39% dari default rules Suricata.
Pendekatan Data Science untuk Mengukur Empati Masyarakat terhadap Pandemi Menggunakan Analisis Sentimen dan Seleksi Fitur Fika Hastarita Rachman; Imamah Imamah
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.v8i3.56655

Abstract

Empati merupakan kemampuan seseorang untuk turut merasakan penderitaan orang lain. Pandemi covid yang melanda dunia, telah menyisakan banyak kehilangan dan keterpurukan. Penelitian ini bertujuan untuk mengetahui emosi masyarakat terhadap penderitaan sesama menggunakan pendekatan sentimen analisis. Dataset yang digunakan adalah komentar masyarakat di Twitter tentang pandemi Covid dalam rentang waktu November-Desember 2020. Data diambil dengan teknik crawling menggunakan library twint, didapatkan data sebanyak 2386 komentar, namun komentar yang mengandung empati hanya sebanyak 984 data. Dataset empati kemudian dilabeli oleh tiga orang menggunakan teknik majority voting. Hasil pengukuran dataset empati menunjukkan 55,7% komentar masyarakat indonesia mengandung empati positif (berempati), 37,4% empati negatif (tidak berempati), dan 6,9% netral. Untuk membentuk model yang dapat mendeteksi empati secara otomatis, maka digunakan  dataset empati sebanyak 400, dengan 200 kelas positif dan 200 kelas negatif, kelas netral tidak digunakan pada penelitian ini karena jumlah data sangat sedikit. Metode machine learning yang digunakan untuk membangun model adalah Support Vector Machine (SVM) dengan metode ekstraksi fitur reliefF. Berdasarkan penelitian yang dilakukan, akurasi sistem dengan metode SVM tanpa seleksi fitur ReliefF adalah 83%. Sedangkan akurasi yang diperoleh sistem dengan seleksi fitur ReliefF mencapai 93% dengan penggunaan 85% fitur dari total keseluruhan fitur.
Audit Tata Kelola TI Pengadaan Alat Pembelajaran pada Domain APO02 (Studi Kasus : SMK N 1 Nglipar) Ridwan Dwi Irawan; Ema Utami; Alva Hendi Muhammad
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.v8i2.55385

Abstract

Peran pengadaan alat pada suatu instansi dapat membantu suatu perusahaan atau organisasi dalam memutuskan jenis alat yang dibutuhkan guna mendukung suatu akitvitas organisasi maka perlu ditentukan secara akurat sehingga pelayanaan masyarakat dapat dipenuhi. Urgensi pengadaan alat diikat dalam Peraturan Presiden RI No 54 tahun 2010. Ditambah lagi jika alat disesuaikan dengan kegiatan yang spesifik tentu akan menambah efektivitas kegiatan operasional yang dalam hal ini adalah kegiatan belajar mengajar. Oleh karena itu, untuk keberlangsungan pembelajaran dan praktikum berbasis kejuruan tentu sekolah harus mampu memilih perangkat operasional yang tepat serta kemampuan dalam merencanankan pemilihan spesifikasi peralatan yang dapat diukur ke dalam sebuah dokumen hasil. Metode Penelitian yang ditargetkan adalah penelitian berbasis Kuantitatif seta COBIT 2019 sebagai framework tata kelola. Berdasarkan uraian yang telah dipaparkan, peneliti tertarik untuk menyajikan temuan yang didapatkan dari proses audit menggunakan cobit 2019 untuk disajikan kepada pengambil kebijakan  lebih komprehensif dan berimbang. Hasil yang didapat dari audit ini disampaikan bahwa  audit berhasil berada pada level 3 namun diperlukan penelitian lanjutan agar proses tata kelola bisa berada pada level selanjutnya dengan melengkapi GAP pada capability level berupa pembuatan pernyataan nilai yang menguraikan perubahan potensial pada kemampuan bisnis dan  TI, layanan I & T, dan arsitektur perusahaan, dampak dari tidak membuat perubahan,  definisi yang lebih baik dari lingkungan target, dan  manfaat dari lingkungan target yangi mengubah tujuan menjadi hasil  yang terukur.
Model Hibrid Algoritma Apriori dan Regresi Linear untuk Perkiraan Produksi Jagung (Studi Kasus : Kabupaten Dompu) Muh Adha; Ema Utami; Hanafi Hanafi
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.v8i3.55522

Abstract

Jagung ialah sumber karbohidrat penting ke dua sesudah beras. Dibeberapa daerah, jagung adalah pembakar lemak yang baik karena jagung juga tinggi lemak dan tinggi kalori daripada nasi. Selain itu, mengandung asam lemak dan esensial yang membantu mencegak aterosklerosis. Sebagai akibat dari permasalahan yang terjadi baru baru ini, permintaan jagung meningkat secara signifikat. Komsumsi terus tumbuh, namun produksi jagung dalam negeri tetap rendah sehingga menimbulkan ketimpangan dalam memenuhi kebutuhan jagung. Seiring dengan perubahan produksi jagung Kabupaten Dompu dari tahun ke tahun, maka perlu diperkirakan kedepannya apakah produksi jagung Kabupaten Dompu akan menurun atau meningkat. Hasil ramalan ini akan digunakan sebagai indikator keamanan pangan Kabupaten Dompu, khususnya jagung. Penelitian ini menggunakan data panen atau budidaya Jagung dari  Dinas Pertanian dan Perkebunan Kabupten Dompu dari tahun 2012 sampai 2021 sebagai data produksi tanaman jagung di Kabupaten Dompu. Maka dari itu, prediksi ini membutuhkan algoritma yang menggunakan algoritma apriori dan regresi linear. Perhitungan metode regresi linear untuk memprediksi produksi jagung menggunakan pengujian MAD didapatkan 4.04 menggunakan data training mulai periode tahun 2012 – 2021 dan hasil persamaan regresi linear didapatkan yaitu Y = -29.0212901 + 2.30146418x1 + 4.53334525x2 + 11.8742684x3. Sedangkan perhitungan metode apriori, didapatkan 2 rule yang dengan support 10% dan confidence 50% didapat IF buy Gandasil then buy Ricestar with confidence 100% dan IF buy Roundup then buy Tabas with confidence 67%.
Pemodelan Perkembangan New Cases Covid-19 di Indonesia Menggunakan Multi-Layer Perceptron dan Support Vector Machine Muhammad Ibnu Choldun Rachmatullah
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.v8i2.53919

Abstract

Meningkatnya ketersediaan data historis dalam jumlah besar dan kebutuhan untuk membuat perkiraan yang akurat tentang perilaku masa depan menjadi perhatian khusus dalam mencari teknik yang dapat menarik kesimpulan dari mengamati hubungan antara data tertentu, antara data masa lalu dan data masa depan. Domain peramalan mengalami peningkatan sejak tahun 1960-an, dengan metode statistik linier, misalnya menggunakan model ARIMA. Baru-baru ini, model pembelajaran mesin telah menarik perhatian dan dapat digunakan sebagai teknik lain selain model statistik klasik untuk kasus peramalan. Penelitian ini memprediksi perubahan kasus baru positif Covid-19 per satu juta penduduk (new cases per million Covid-19) di Indonesia menggunakan pembelajaran mesin. Pemodelan perubahan new cases per million diperlukan karena penyakit ini merupakan penyakit baru, sehingga sampai saat ini belum ada pemodelan deret waktu yang cukup akurat untuk menggambarkan kasus tersebut. Teknik machine learning yang akan digunakan adalah Multi-Layer Perceptron (MLP) dan Support Vector Machine (SVM) dan dibandingkan kinerja dari kedua teknik tersebut. Dari hasil perhitungan kinerja, prediksi new cases per million Covid-19 yang dilakukan dengan menggunakan SVM(RMSE = 9,053) memiliki kinerja yang lebih baik dibandingkan dengan menggunakan MLP (RMSE = 10,284). Nilai RMSE yang lebih kecil menunjukkan kinerja yang lebih baik.
Ekstraksi Fitur Daun dengan Penerapan Metode Compressive Sensing Fellia Rizki Kusumowardani; Gelar Budiman; Sofia Saidah
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.v8i2.49101

Abstract

Daun menjadi salah satu daya tarik manusia untuk melakukan kegiatan berkebun atau kegiatan lain seperti penjualan tanaman karena dari segi bentuk daun yang unik dan karakteristik yang bermacam-macam. Untuk mengetahui karakteristik pada jenis daun dilakukan proses ekstraksi fitur. Tujuan dari ekstraksi fitur ini untuk mengetahui bentuk, tekstur, warna,ukuran, dan nilai yang digunakan sebagai pembeda antara satu objek dengan objek lain. Pada penelitian ini menggunakan 32 citra daun. Metode yang digunakan pada penelitian ini yaitu Compressive Sensing (CS), Gray Level Co-Occurrence Matrix (GLCM), dan K-Nearest Neighbour (K-NN). Hasil yang diperoleh menunjukan kualitas dari kompresi ketika dilakukan pengujian dengan menggunakan rasio kompresi, MSE, PSNR, dan akurasi. Didapatkan hasil terbaik ketika menggunakan data latih bernilai 20, data uji bernilai 4, block bernilai 32, baris kompresi bernilai 32, dan resize berukuran 512  512 menghasilkan rasio kompresi bernilai 3,1%, PSNR bernilai 22,1 dB, dan akurasi bernilai 100%.
Penghitung Trafik Kendaraan Berbasis Object Recognition Studi Kasus Jalan Utama Universitas Tanjungpura Agung Tuah Ananda; Yus Sholva; Rudy Dwi Nyoto
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.v8i3.57136

Abstract

Pertumbuhan penggunaan kendaraan bermotor untuk transportasi oleh masyarakat terus meningkat seiring waktu. Sebagai lembaga pendidikan tinggi dengan jumlah mahasiswa aktif mencapai angka 31 ribu orang maka Universitas Tanjungpura perlu menyadari bagaimana penggunaan jalan oleh pengendara kendaraan bermotor di Universitas Tanjungpura dalam bagian dari perencanaan pembangunannya untuk menghindari permasalahan yang mungkin timbul dikemudian hari. Penelitian ini bertujuan untuk menghasilkan suatu sistem yang dapat menghitung trafik kendaraan di jalan masuk utama Universitas Tanjungpura. Peneliti menggunakan pendekatan object recognition untuk mengetahui jenis kendaraan yang lewat apakah merupakan kendaraan sepeda motor atau mobil, dimana digunakan metode background subtraction dan pemrosesan morfologi dalam tugas deteksi objek, dan metode Haar cascade classifier dalam tugas klasifikasi jenis kendaraan dari objek yang terdeteksi. Pada penelitian ini dilatih model klasifikasi kendaraan sepeda motor (masuk dan keluar) dengan masing-masing 5000 data latih dan model klasifikasi kendaraan mobil (masuk dan keluar) dengan masing-masing 500 data latih. Evaluasi pendeteksi objek menunjukkan bahwa program dapat mendeteksi objek yang bergerak dengan akurasi dengan akurasi terendah sebesar 67% dan akurasi tertinggi sebesar 93%. Evaluasi model klasifikasi kendaraan menunjukkan nilai F1-score rata-rata 0.916 (sepeda motor masuk), 0.311 (mobil masuk), 0.965 (sepeda motor keluar) dan 0.427 (mobil keluar). Evaluasi menunjukkan tidak terdapat pengaruh yang signifikan mengenai perbedaan kondisi waktu dan kepadatan trafik kendaraan terhadap performa model klasifikasi kendaraan. Di mana nilai rata-rata f1-score pada pengujian pagi, siang dan sore adalah masing-masing 68%, 62% dan 67% dan rata-rata akurasi pada pengujian padat, sedang dan sepi adalah masing-masing 89%, 86% dan 88%. Hasil pengujian unit testing dan integration testing menunjukkan sistem ini dapat mendeteksi objek kendaraan yang lewat, mengetahui jenis kendaraan tersebut dan menghitung jumlahnya serta menyediakan cara untuk mendapatkan data trafik kendaraan yang dihasilkan. Secara keseluruhan penelitian dinilai berhasil dalam membuat sebuah sistem penghitung trafik kendaraan berbasis object recognition studi kasus jalan utama Universitas Tanjungpura.
Sistem Pendukung Keputusan Penyakit Stroke menggunakan Metode Fuzzy Tsukamoto dengan Basis Pengetahuan Framingham Risk Score Arief Andy Soebroto; Muhammad Tanzil Furqon; Eko Ari Setijono Marhendraputro; Wildan Ziaulhaq
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.v8i2.56362

Abstract

Penyakit stroke adalah salah kerusakan pada otak yang muncul secara mendadak akibat gangguan peredaran darah otak non-traumatis. Gangguan tersebut dapat berupa pembuluh darah tersumbat yang dapat menghambat atau menghentikan aliran darah ke otak. Penyakit stroke di Indonesia telah mengalami peningkatan, angka prevalensi per mil telah meningkat dari 7% pada tahun 2013 menjadi sebesar 10,9% pada tahun 2018. Penyakit stroke dapat dikurangi dengan melakukan deteksi dini pada masyarakat supaya dapat melakukan tindakan preventif. Deteksi dini penyakit stroke memiliki kondisi data yang semi terstruktur karena banyaknya faktor untuk mengidentifikasi risiko penyakit stroke. Kondisi data semi terstruktur akan mempersulit deteksi dini penyakit stroke sehingga diperlukan alat bantu berupa sistem pendukung keputusan (SPK). Penelitian dilakukan dengan membangun sistem pendukung keputusan deteksi dini penyakit stroke menggunakan metode Fuzzy Tsukamoto. Model basis pengetahuan menggunakan Framingham Risk Score sebagai dasar untuk pembuatan aturan (rule) klasifikasi dengan 120 data pasien Puskesmas Kendalkerep Kota Malang. Hasil pengujian yang didapatkan adalah akurasi sebesar 0,8444, presisi sebesar 0,7801, recall sebesar 0,796, specificity sebesar 0,8891, dan F1 score sebesar 0,751.
Logic Requirement Model of Web Based e-learning in Learning Management System for Features Selection Narti Prihartini
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.v8i2.56422

Abstract

Requirement engineering phase is logically known to check the compliance of application such in web-based e-learning development. This research indicates that basic aspects of web-based e-learning can be used to identify or elicit the early requirement and classify it into the functional and non-functional approach. The research found that even in learning management system (LMS) Based, some of the web-based e-learning are using for different goals. It is challenging to develop a system of web-based e-learning to get the requirement focus at the early phase and select the feature that can fill the requirement. This study goal is developing a requirement model to describe the web requirement focus and decompose every web requirement aspects through logical modeling. Analysis due to the interaction and coverage of web-based e-learning is combined with web modeling aspects including content, interaction, functional, navigation and configuration to show the relation among detail requirements. Requirements are found in a systematic way by modeling its logic to determine the basic needs in the using of learning management system. The result from this requirement model proves that web-based e-learning requirements are sustain-ably identified to complement each requirements and can be implemented to classify the specific requirement to select the appropriate web-based e-learning features from early phase development.

Page 38 of 53 | Total Record : 522

 36   37   38   39   40 

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