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
 41   42   43   44   45 
Klasterisasi Area Pemasaran untuk Rekomendasi Rute Perjalanan Pedagang Sayur Keliling Menggunakan Metode DBSCAN dan Visualisasi Heatmap Nugraha, Dafa Arya; Sholva, Yus; Pratama, Enda Esyudha
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 2 (2024): Volume 10 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i2.81577

Abstract

Dalam mengikuti perkembangan teknologi yang merambah hingga pedagang, dirancanglah sebuah aplikasi platform pemesanan pedagang sayur keliling. Aplikasi ini adalah platform yang dibangun dengan tujuan membantu pedagang sayur keliling dalam menjalankan aktivitasnya. Dalam membantu pedagang sayur keliling dalam beraktivitas dirancang sebuah sistem yang dapat mengolah data riwayat transaksi dari aplikasi tersebut sehingga dapat digunakan untuk dijadikan patokan bagi pedagang sebagai rute berkeliling. Pendekatan Data Mining digunakan untuk mencari pola data dari kumpulan data riwayat transaksi yang berbasis lokasi. Pengambilan data riwayat transaksi diolah menggunakan pendekatan Spatial Data Mining dengan menerapkan Algoritma DBSCAN untuk mengklasterisasi data riwayat transaksi. Untuk merepresentasikan hasil data mining digunakan heatmap. Heatmap dapat digunakan untuk memvisualisasikan data yang mudah ditarik informasinya bagi pengguna. Dalam penerapan lokasi rekomendasi digunakan GPS dari perangkat seluler pengguna yang terintegrasi dengan aplikasi untuk menerapkan LBS (Location Based Service) sendiri. Aplikasi platform pedagang sayur keliling ini terintegrasi dengan sistem yang dibangun berbasis Python menggunakan kerangka kerja Django untuk menerapkan Data Mining. Data riwayat transaksi yang diambil dan dilakukan klasterisasi untuk mengelompokkan data yang bertetangga dan mencari total transaksi dari data tersebut. Hasil dari pengolahan data tersebut digunakan sebagai pembobotan dalam penerapan Heatmap dari aplikasi ini. Penelitian ini menghasilkan sistem pendukung dari aplikasi   mengolah data riwayat transaksi dan menghasilkan informasi dari kumpulan data riwayat transaksi.
Klasifikasi Hoax Berita Politik Menggunakan Algoritma Long Short-Term Memory (LSTM) dengan Penambahan Fitur Embedding Global Vector (GloVe) Sunan, Rohid Aji; K., Halif Fachrizal Erliawan; Aditya, Christian Sri Kusuma
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 2 (2024): Volume 10 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i2.76042

Abstract

Berita online telah berkembang sangat pesat terutama pada waktu yang mendekati pesta politik. Tingginya volume dokumen teks dipicu oleh aktivitas dari berbagai sumber berita. Karena banyaknya jumlah berita yang tertampung ke dalam website, terkadang berita yang diposting tidak sesuai dengan kenyataan atau dapat disebut berita hoax. Deteksi berita hoax menjadi penting agar pengguna tidak terjebak informasi palsu yang terkandung dalam berita hoax. Untuk itu diperlukan sebuah sistem cerdas yang dapat mendeteksi berita hoax bertema politik secara otomatis. Penelitian ini mengevaluasi Teknik deep learning menggunakan LSTM dengan penambahan fitur Word Embedding Global Vector (GloVe) dan membandingkan hasil dari penelitian sebelumnya yang menggunakan beberapa algoritma deep learning tanpa penambahan fitur. Peneliti menggunakan dataset yang terdiri dari 1300 dokumen berita hoax dan 8234 dokumen berita valid. Karena jumlah komposisi antara kelas hoax dan valid tidak seimbang, maka peneliti menerapkan teknik Synthetic Minority Over-Sampling Technique (SMOTE) untuk meningkatkan representasi kelas minoritas. Hasil empiris menunjukan bahwa akurasi klasifikasi dari LSTM dengan fitur tambahan word embedding GloVe didapatkan akurasi sebesar 99.8%, dimana mampu mengungguli hasil penelitian sebelumnya dengan akurasi 95.1% yang tanpa penggunaan word embedding. Peningkatan performa ini tidak lepas dari penambahan fitur word embedding GloVe sebagai inisialisasi bobot untuk lapisan embedding dalam model LSTM, dimana mampu memberikan representasi yang lebih baik pada kata-kata dalam dataset.
Perancangan Alat Uji Rebound dan Preload Shockbreaker Sepeda Motor Berjalan Menggunakan Mikrokontroler Nodemcu Thoha, Ikmal Nawawi; Zafia, Anggi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 1 (2024): Volume 10 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i1.69137

Abstract

Perkembangan teknologi yang pesat telah mendorong terciptanya inovasi baru, termasuk dalam industri otomotif khususnya sepeda motor. Sepeda motor telah menjadi kendaraan populer untuk mobilitas di jalanan padat, namun tetap perlu perawatan rutin untuk menjaga performa dan kenyamanan. Faktor penting yang mempengaruhi kenyamanan berkendara adalah sistem suspensi, yang berperan dalam menjaga stabilitas dan meredam getaran. Namun, masalah muncul dalam pemeliharaan sistem suspensi. Pengguna sepeda motor sering kali kurang memperhatikan kondisi shockbreaker, yang dapat mengurangi kinerja dan kenyamanan berkendara. Mekanik bengkel juga menghadapi kesulitan dalam menguji dan menilai sistem suspensi secara efektif. Oleh karena itu, penelitian ini mengusulkan solusi dengan mengembangkan alat uji shockbreaker inovatif. Alat ini menggunakan sensor ultrasonik dan load cell untuk mengukur rebound   dan reload pada sistem suspensi. Data dari sensor-sensor tersebut akan disimpan di firebase dan ditampilkan melalui layar LCD, serta dianalisis dalam format Excel dan grafik di sebuah website. Dari hasil pengujian yang telah dilakukan menggunakan alat ini, diperoleh hasil pengujian rebound dan preload dengan rata-rata jarak tempuh sebesar 3,8 cm, rata-rata waktu 48,00 detik, rata-rata kecepatan 0,0926 cm/s, dan rata-rata berat rata-rata 29,4 kg. Dengan demikian, pengembangan alat uji shockbreaker inovatif ini diharapkan dapat membantu meningkatkan pemahaman dan perhatian terhadap kondisi suspensi sepeda motor, sehingga kinerja dan kenyamanan berkendara dapat tetap optimal.
Pengenalan Setengah Wajah menggunakan Arsitektur Xception pada Metode Convolutional Neural Network Subeki, Fajar; Eliyani, Eliyani
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 2 (2024): Volume 10 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i2.73447

Abstract

Penggunaan teknologi pengenalan wajah merupakan cara untuk mengidentifikasi seseorang berdasarkan ciri-ciri wajah. Penelitian ini berfokus pada pengenalan setengah wajah bagian atas dalam kondisi dimana hanya setengah wajah tersebut yang dapat diakses atau terlihat. Menggunakan metode yang melibatkan arsitektur Xception pada Convolutional Neural Network (CNN) untuk mengekstraksi fitur kompleks dari setengah wajah, termasuk dahi, alis dan mata. Data yang digunakan berasal dari absensi karyawan, termasuk 1020 dataset wajah tidak menggunakan masker dan 114 dataset wajah yang menggunakan masker. Penelitan ini menggunakan skenario pembagian data latih dan data uji dengan rasio 95:5, 90:10, 85:15, dan 80:20. Hasil penelitian menunjukkan nilai accuracy, precission, recall, dan f1-score terbaik terdapat pada pembagian data 95:15 yang masing-masing bernilai 95%, 96%, 96%, dan 95%. Hasil ini dapat digunakan untuk kontribusi pengembangan model pengenalan wajah dengan akurasi yang tinggi terutama dalam situasi di mana hanya informasi sebagian wajah yang dapat diakses.
Efisiensi Pertukaran Data Client-Server menggunakan Web Socket pada Perangkat Berbasis Internet of Things Nugraha, Kristian Adi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 1 (2024): Volume 10 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i1.73145

Abstract

Internet of Things (IoT) banyak digunakan dengan tujuan membantu mempermudah hidup masyarakat dalam wujud perangkat-perangkat yang dapat bekerja secara otomatis. Perangkat IoT secara umum dapat dipantau atau dikendalikan menggunakan perangkat lain seperti komputer atau telepon seluler melalui perantara server yang dikenal sebagai Application Programming Interface (API). Umumnya, protokol yang digunakan untuk pertukaran data antara client dan server adalah Message Queuing Telemetry Transport (MQTT). Namun MQTT memiliki beberapa kelemahan di sisi kehandalan dan keamanan data, sehingga tidak dapat digunakan pada segala jenis kondisi dan situasi. Sebagai alternatif, terdapat protokol Hypertext Transfer Protocol (HTTP) yang dapat mengakomodasi kekurangan tersebut. Namun HTTP memiliki kelemahan di mana server tidak dapat mengirimkan data kepada client apabila client tidak mengirimkan request terlebih dahulu. Sementara pada perangkat IoT, data seharusnya bisa dikirimkan oleh kedua belah pihak. Terdapat satu buah protokol lain yang dapat menjadi solusi dari kedua kebutuhan tersebut, yaitu Web Socket. Penelitian ini bertujuan untuk mengimplementasikan arsitekur client-server berbasis Web Socket untuk melakukan pertukaran data antara perangkat IoT dengan server. Hasil pengujian menunjukkan bahwa protokol Web Socket memiliki nilai latency yang paling rendah di antara protokol yang lain, yaitu dengan nilai rata-rata antara 10,75 sampai dengan 23,29 milidetik. Rentang tersebut termasuk kategori yang baik, sehingga dapat disimpulkan bahwa Web Socket dapat digunakan sebagai alternatif pengganti MQTT.
Pengaruh Kuantitas Korpus Terhadap Akurasi Mesin Penerjemah Statistik Bahasa Indonesia ke Bahasa Jawa Ngoko Perwitasari, Anggi; Sujaini, Herry
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 2 (2024): Volume 10 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i2.73082

Abstract

Bahasa memungkinkan seseorang untuk menyampaikan perasaan, pikiran, gagasan, atau konsep mereka. Sosiologi menganggap bahasa sebagai sistem lambang yang terdiri dari bunyi. Bahasa manusiawi, dapat dipilih, berkembang, beragam, dan dinamis. Bentuknya yang sangat beragam dapat menjadi hambatan ketika bahasa digunakan untuk berkomunikasi dengan orang-orang di seluruh dunia. Namun, saat ini ada teknologi mesin penerjemah yang dapat membantu orang memahami berbagai jenis bahasa. Teknik mesin penerjemah statistik adalah metode teknologi mesin penerjemah yang menggunakan model statistik berdasarkan hasil analisis korpus paralel. Korpus paralel berisi salinan teks dari bahasa sumber dan bahasa target yang diinginkan. Penelitian ini menguji pengaruh kuantitas korpus terhadap nilai akurasi mesin penerjemah statistik Bahasa Indonesia ke Bahasa Jawa Ngoko. Penelitian dimulai dengan pengumpulan data, pembuatan 3000 pasang kalimat teks korpus, penggunaan mesin penerjemah statistik, pengujian dan evaluasi hasil terjemahan, dan analisis hasil. Hasil analisis pengujian menunjukkan bahwa jumlah korpus yang diberikan dapat mempengaruhi nilai akurasi. Pada pengujian pertama, dengan menggunakan korpus pelatihan yang sama dengan korpus uji, penambahan 200 pasangan kalimat menyebabkan penurunan nilai akurasi rata-rata sebesar -0.00221%. Sebaliknya, pada pengujian kedua, dengan menggunakan korpus pelatihan yang berbeda dari korpus uji, penambahan 200 pasangan kalimat menyebabkan peningkatan nilai akurasi rata-rata sebesar 0.00813%. Kesimpulannya, kualitas dan pemisahan korpus pelatihan dari korpus uji sangat mempengaruhi performa mesin penerjemah statistik, dan penambahan data tambahan dapat meningkatkan akurasi jika diterapkan dengan benar.
Pemodelan Sistem Rekomendasi Restoran berdasarkan Preferensi Pengguna dengan Pendekatan Content-Based Filtering Ilhamsyah, Ilhamsyah; Rahmayuda, Syahru; Midyanti, Dwi Marisa; Martha, Shantika
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 1 (2024): Volume 10 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i1.74008

Abstract

Setiap individu memiliki preferensi makanan yang unik. Karakteristik rasa yang khas dapat memengaruhi seberapa bersedia seseorang membayar untuk hidangan di restoran tertentu. Keterkaitan antara preferensi makanan seseorang dengan karakteristik harga makanan dapat digunakan sebagai faktor penting dalam menentukan rekomendasi restoran. Penelitian ini memodelkan sebuah sistem rekomendasi restoran berdasarkan prefrensi rasa, harga dan rating makan penggunanya sebagai faktor utama dalam mempengaruhi hasil rekomendasi. Analisis data menggunakan 3 atribut yaitu data ulasan restoran, rating dan harga restoran. Teknik scraping dilakukan untuk pengumpulan dataset, adapun jumlah dataset sebanyak 661 data restoran dari hasil scraping. Pengubahan dataset dilakukan dengan proses Pra-Processing yang kemudian dilanjutkan dengan mempelajari model data dengan pendekatan Content-Based Filtering (CBF). Hasil penelitian menunjukkan bahwa rata-rata akurasi yang diberikan sistem rekomendasi yang dibangun adalah 73.33% dari rekomendasi restoran berdasarkan harga dan ulasan.
Pendekatan Metode Ensemble Learning untuk Deteksi Serangan DDoS menggunakan Soft Voting Classifier Joses, Steven; Quinevera, Stefanie; Mardianto, Ricky; Yulvida, Donata; Shiddiqi, Ary Mazharuddin
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 1 (2024): Volume 10 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i1.73241

Abstract

Serangan Distributed Denial of Service (DDoS) adalah jenis serangan yang kompleks dan sering melibatkan berbagai pola lalu lintas jaringan yang berbeda. Model soft voting classifier dapat menggabungkan hasil dari beberapa model klasifikasi yang berbeda, sehingga meningkatkan kemampuan untuk mendeteksi dan mengatasi serangan DDoS dengan berbagai pola dan skenario yang berbeda. Dengan memanfaatkan model soft voting classifier berdasarkan fitur-fitur yang mendukung, dapat meningkatkan ketahanan sistem terhadap serangan DDoS dengan lebih efektif, mengurangi dampaknya, dan memastikan ketersediaan sumber daya jaringan dan layanan internet bagi pengguna yang mengaksesnya. Data yang digunakan dalam penelitian ini menggunakan dataset DDoS yang diperoleh dari situs kaggle.com. Dataset ini memiliki 23 atribut termasuk satu variabel output dengan jumlah data sebanyak 104.245 record. Dilakukan preprocessing pada dataset kemudian diklasifikasi menggunakan lima model machine learning dan sepuluh ensemble learning method untuk mendapatkan hasil akurasi tertinggi. Hasil pengujian menunjukkan bahwa ensemble method sangat optimal dalam mendeteksi serangan DDoS baik menggunakan fitur berdasarkan Information Gain maupun menggunakan fitur berdasarkan Gain Ratio dibandingkan dengan metode machine learning tunggal.
Peramalan Harga Emas Menggunakan Pendekatan Long-Short Term Memory (LSTM) Fauzi, Fatkhurokhman; Aulia, Syifa; Syaifullah, Ahmad Reyhan; Utami, Tiani Wahyu
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 2 (2024): Volume 10 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i2.78332

Abstract

Inventasi menjadi salah satu pilihan masyarakat untuk mengelola kelebihan dana agar nilainya meningkat dikemudian hari. Emas menjadi salah satu komoditi yang sering dijadikan instrumen investasi favorit. Harga emas yang fluktuatif menimbulkan efek kerugian bagi investor. Peramalan harga emas dimasa yang akan datang menjadi penting untuk meminimalisir resiko kerugian. Pendekatan machine learning lebih baik dibandingkan inferensial seperti Autoregressive Integrated Moving Average (ARIMA) dalam meramalkan data yang fluktuatif. Metode dengan pendekatan machine learning seperti Long-Short Term Memory (LSTM) memiliki performasi yang baik pada data yang fluktuatif. Metode LSTM digunakan untuk untuk meramalkan harga emas. Penelitian ini membagi data training dan data testing sebesar 80% dan 20%. Metode evaluasi model Mean Absolute Percentage Error (MAPE) digunakan untuk melihat kebaikan model. Penelitian ini menerapkan enam scenario tunning parameter. Parameter terbaik metode LSTM yaitu learning rate 0,01, neuron 10, dan Epoch 100 dengan nilai MAPE sebesar 3,499%. Hasil MAPE pada data training dan data testing tidak menunjukan terjadinya overfitting atau underfitting pada metode LSTM terbaik. Hasil peramalan tiga puluh periode cenderung fluktuatif, terjadi kenaikan yang signifikan pada periode ke dua puluh empat ke dua puluh lima.
Prediksi Jumlah Target dan Realisasi Wajib Pajak Atas PBB "“ P2 Menggunakan Multi Regression, Regression Lasso, dan PCR Pardede, Jasman; Ekklesia, Maleakhi
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 10, No 1 (2024): Volume 10 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v10i1.68890

Abstract

Perubahan besaran Pajak Bumi dan Bangunan memberikan dampak bagi beberapa sektor maupun masyarakat di Kota Bandung, karena perubahan yang cukup signifikan dalam besaran Pajak Bumi dan Bangunan ini memberikan pengaruh pada kesadaran dan juga kepedulian masyarakat dalam membayar pajak. Terdapat beberapa penggunaan machine learning dalam penentuan pajak ini dimana salah satunya adalah dengan memprediksikan sebuah besaran Target dan Realisasi pada Pajak Bumi Bangunan, sehingga dilakukan sebuah penelitian dengan membandingkan metode Multi Regression, Regression Lasso, dan PCR (Principle Component Regression) untuk menentukan jumlah prediksi terbaik pada Target dan Realisasi penerimaan Pajak Bumi dan Bangunan di Kota Bandung. Hasil pengujian yang telah dilakukan, didapatkan bahwa Regression Lasso memiliki nilai keakuratan prediksi terbaik sebesar 79.08%. Hasil tersebut diakibatkan karena Regression Lasso dapat mengestimasi parameter, mengatasi permasalah multicolinearity yang terjadi pada data yang digunakan dan menyeleksi variabel yang ada untuk mendapatkan nilai keakuratan prediksi terbaik. Sehingga dapat disimpulkan bahwa terdapat pengaruh positif pada variabel Ketetapan, Target, dan Realisasi yang saling berkaitan. Hal tersebut saling mempengaruhi besarannya, dimana ketetapan mempengaruhi jumlah target, dan jumlah target mempengaruhi jumlah realisasi pada model yang terbentuk, dan proses pre "“ processing membuat model Regression Lasso ini menjadi lebih baik.

Page 43 of 53 | Total Record : 522

 41   42   43   44   45 

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