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
 42   43   44   45   46 
Perancangan Arsitektur Sistem Informasi Pemenuhan SNI Produk Ban di LSPro menggunakan TOGAF ADM Nugroho, Arga Agung; Neyman, Shelvie Nidya; Hermadi, Irman; Erydhani, Gama Batara
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.v10i2.78681

Abstract

Ban merupakan komponen pada kendaraan yang berperan penting dalam aspek kenyamanan dan keselamatan. Diperlukan standardisasi untuk menjamin bahwa produk tersebut telah memenuhi persyaratan sesuai dengan SNI yang berlaku. Produk ban termasuk dalam SNI Wajib sehingga produsen harus memenuhi persyaratan agar dapat memasarkan produknya. Lembaga Sertifikasi Produk (LSPro) merupakan lembaga yang melakukan kegiatan sertifikasi produk sesuai ruang lingkup yang diakreditasi oleh KAN dan memperoleh penunjukkan dari kementerian terkait. Salah satunya adalah LSPro Kekuatan Struktur yang berwenang untuk melakukan sertifikasi produk ban. Dalam pelaksanaannya, ditemukan bahwa kegiatan administrasi masih dilakukan secara manual dan belum adanya integrasi data yang menyebabkan penyampaian informasi kepada stakeholder menjadi kurang optimal.Oleh karena itu, dibutuhkan sistem informasi agar kinerja organisasi menjadi efektif dan efisien. Sistem informasi yang baik memerlukan perancangan arsitektur untuk memudahkan dalam mengelola data dan informasi. Penelitian ini bertujuan untuk melakukan perancangan arsitektur menggunakan The Open Group Architecture Framework Architecture Development Method (TOGAF ADM) yang menyediakan langkah untuk mengembangkan Architecture Vision, Business Architecure, Information System Architecture dan Technology Architecture. Rancangan arsitektur yang dihasilkan akan dievaluasi menggunakan Traceability Matrix, kemudian dilakukan uji coba dengan membuat prototipe. Penelitian ini menghasilkan rancangan arsitektur sebagai landasan dalam pengembangan sistem informasi berbasis web untuk mendukung layanan sertifikasi SNI produk ban. Hasil pengujian menunjukkan bahwa rancangan yang dihasilkan dapat ditelusuri dari tahap awal hingga akhir menggunakan Traceability Matrix dan prototipe yang dibuat dapat berfungsi sesuai dengan yang diinginkan ketika rancangan tersebut diimplementasikan.  
Otomatisasi Pembentukan Class Diagram dengan Pendekatan Metode Pemrosesan Teks dan Algoritma CombineTF Delima, Rosa; Chrismanto, Antonius Rachmat
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.v10i1.72518

Abstract

Spesifikasi kebutuhan merupakan bagian penting dalam proses rekayasa kebutuhan perangkat lunak. Spesifikasi kebutuhan menjadi penghubung antara system analyst dan programmer yang akan melakukan pengembangan sistem. Proses rekayasa kebutuhan merupakan pekerjaan yang bersifat time consuming dan membutuhkan effort yang besar bagi analis sistem. Pekerjaan analis untuk melakukan rekayasa kebutuhan dapat lebih efisien atau lebih cepat dengan bantuan tool untuk mengotomatisasi proses rekayasa kebutuhan. Pada penelitian ini dilakukan pengembangan spesifikasi kebutuhan berupa class diagram secara otomatis dari data kebutuhan. Penelitian ini bermanfaat untuk membantu analis dalam melakukan spesifikasi kebutuhan. Spesifikasi kebutuhan yang dihasilkan merupakan pengembangan dari Automatic Requirments Engineering Model (AREM). Pembentukan class diagram dilakukan melalui tiga tahapan yaitu pembentukan class diagram dari data kebutuhan, penanganan duplikasi objek pada diagram, dan refinement class diagram. Pembentukan diagram pada tahap pertama dilakukan dengan menggunakan pendekatan pemrosesan teks, sementara itu penanganan duplikasi objek dilakukan menggunakan pendekatan term-frequency (TF) dan gabungan algoritma CombineTF dan Jaro-Winkler. Penelitian ini menggunakan dataset kebutuhan untuk pengembangan sistem informasi koperasi. Penelitian berhasil mengembangkan model untuk otomatisasi pembentukan class diagram. Hasil penelitian menunjukan bahwa penanganan duplikasi objek pada class diagram mampu mengatasi 62,5% duplikasi objek dengan nilai precision 0,94 dan nilai akurasi 0,97 untuk nilai threshold algoritma ≥ 0.8.
Implementasi Rekomendasi Content Based Filtering dan Apriori Berbasis Android Mardani, Latif Dwi; Gunawan, Wawan
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.v10i2.74383

Abstract

Proban Motoparts merupakan sebuah toko retail dan jasa yang bergerak dibidang otomotif dengan menjual beberapa produk suku cadang untuk sepeda motor. Banyaknya variasi produk yang ada di Proban Motoparts, membuat pelanggan merasa kesulitan saat memilih produk yang dibutuhkan. Solusi dari kendala tersebut adalah dengan implementasi sistem rekomendasi produk yang dapat memudahkan pelanggan mendapatkan produk yang mereka butuhkan. Sistem rekomendasi ini menggunakan data histori penjualan manual di salah satu toko Proban Motoparts, dengan total jumlah data transaksi sebanyak 5 transaksi. Implementasi sistem rekomendasi content-based filtering menggunakan algoritma apriori ini untuk menghasilkan produk dengan nilai support tertinggi yang akan direkomendasikan kepada pelanggan. Aplikasi rekomendasi ini memudahkan pelanggan dalam memesan berbagai kebutuhan suku cadang motor yang mereka butuhkan cukup menggunakan perangkat android, hasil persentase pilihan pelanggan diketahui hingga 50.79% memilih sangat setuju dan 35.19% memilih setujuberdasarkan hasil kuesioner dengan 42 responden yang bersedia, dan sebanyak 87.09% merasa puas dengan sistem rekomendasi produk ini.
Klasifikasi Covid-19 menggunakan Arsitektur DarkCovidNet pada Citra Radiografi X-ray Dada Wahyuningrum, Rima Tri; Putra, Wahyu Zainur; Satoto, Budi Dwi; Sari, Amillia Kartika; Sensusiati, Anggraini Dwi
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.v10i1.69817

Abstract

Covid-19 adalah penyakit severe acute respiratory syndrome. Coronavirus menjadi penyebab gangguan pernapasan dan infeksi paru paru, sehingga dapat menyebabkan kematian. Penyakit Covid-19 sudah tersebar ke seluruh negara termasuk negara Indonesia. Meskipun saat ini, Covid-19 telah mereda namun pencegahan maupun penanganannya tetap dibutuhkan. Oleh karena itu sangat diperlukan alat untuk mendiagnosis penyakit Covid-19 pada X-ray dada. Penggunaan klasifikasi citra berfungsi untuk memproses penggabungan piksel pada suatu citra ke dalam kelompok untuk diinterpretasikan sebagai bentuk properti yang spesifik. Dengan klasifikasi citra, mampu mempermudah pengelompokan individu untuk mewakili fitur kelas citra. Pada penelitian citra radiografi X-ray dada ini, menggunakan multiclass-classification yang terdiri dari 3 kelas yaitu: Covid-19, Normal (No-Findings), dan Pneumonia. Dataset yang diperoleh berjumlah 4.945 citra X-ray.   Pertama, dilakukan proses input citra dan resize image. Setelah itu dilakukan pembagian data yaitu 80% sebagai data train dan 20% sebagai data test. Pada proses pelatihan (train) akan menggunakan model DarkCovidNet. Arsitektur yang diusulkan terdiri dari 19 convolutional layer dan 5 maxpooling. Model ini terdapat proses DarkNet (DN). DN terdiri dari proses convolutional, batch normalization dan LeakyReLU. Pada skenario uji coba menggunakan optimasi Adam, reduce learning rate, dan menambahkan 3 hidden layer. Hasil uji coba terbaik terdapat pada uji coba keempat dengan hasil akurasi sebesar 95,85%, F1-score 95,89%, AUC 99,48%. Dengan demikian model DarkCovidNet tersebut sangat bagus dalam melakukan klasifikasi citra X-ray dada.
Evaluasi dan Perancangan Ulang UI/UX Aplikasi iKalbar Menggunakan Metode Double Diamond Anra, Hengky; Sari, Khansa Syafika; Perwitasari, Anggi
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.v10i2.73697

Abstract

iKalbar adalah aplikasi perpustakaan digital berbasis android penyedia E-Book yang dapat dipinjam oleh pemustaka dengan batas waktu tertentu. Penelitian ini memiliki tujuan untuk menghasilkan prototype High-Fidelity design rekomendasi desain UI/UX aplikasi iKalbar dengan menggunakan metode double diamond yang dapat dijadikan bahan pertimbangan Dinas Perpustakaan dan Kearsipan Kalimantan Barat dalam mengembangkan aplikasi iKalbar. Responden penelitian yang dilibatkan pada penelitian ini sebanyak 20 orang dan dibagi menjadi 2 (dua) kelompok yaitu, pengguna baru dan pengguna lama aplikasi iKalbar.   Teknik untuk mengevaluasi aplikasi IKalbar menggunakan wawancara, system usability scale (SUS), think aloud dan performance measurement digunakan untuk usability testing. Berdasarkan evaluasi yang dilakukan terhadap desain awal aplikasi iKalbar berhasil ditemukan 28 pain points yang menyebabkan rendahnya nilai efektivitas, efisiensi, dan kepuasan. Perancangan ulang dilakukan berdasarkan 28 pain points dan 9 rekomendasi fitur yang disampaikan oleh responden agar prototipe dapat meningkatkan nilai efektifitas, efisiensi, dan kepuasan. Sehingga pada penelitian ini menghasilkan peningkatakan nilai efektivitas sebesar 10,5% dengan kategori efekfivitas sangat efektif, selanjutnya yaitu kenaikan nilai efisiensi sebesar 0,035 goals/sec serta penurunan time behavior sebesar 359,2 detik yang dimana nilai tersebut masuk kedalam range time behavior yang sangat cepat, dan yang terakhir kenaikan nilai kepuasan sebesar 46 dengan grade A dan dikatakan "Acceptable".
Aplikasi Pendeteksi Tingkat Kematangan Pepaya menggunakan Metode Convolutional Neural Network (CNN) Berbasis Android Hawibowo, Muhammad Sayyidin; Muhimmmah, Izzati
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.v10i1.77819

Abstract

Pepaya merupakan salah satu buah tropis yang memiliki nilai ekonomi tinggi dan memiliki kandungan gizi yang penting bagi kesehatan manusia. Kematangan pepaya sangat mempengaruhi rasa, tekstur, dan nilai jualnya. Oleh karena itu, pengembangan sistem otomatis untuk mendeteksi kematangan pepaya menjadi penting dalam industri pertanian. Dalam penelitian ini, dikembangkan sebuah aplikasi berbasis Android yang menggunakan metode Convolutional Neural Network (CNN) untuk mendeteksi kematangan pepaya secara otomatis. Dataset pepaya yang telah dikumpulkan digunakan untuk melatih model CNN guna mengklasifikasikan pepaya menjadi tiga kategori kematangan, yaitu belum matang, setengah matang, dan matang. Selain itu, aplikasi ini juga menyediakan prediksi masa panen pepaya berdasarkan analisis kematangan. Implementasi pada platform Android memungkinkan akses yang mudah dan cepat bagi petani atau pemilik kebun pepaya untuk memantau kematangan buah pepaya mereka. Hasil eksperimen menunjukkan bahwa model CNN yang diusulkan memiliki tingkat akurasi yang cukup tinggi yaitu sebesar 96.97% dalam mengklasifikasikan kematangan pepaya. Aplikasi ini diharapkan dapat membantu petani dalam mengoptimalkan proses panen dan pengelolaan pepaya secara efisien.
Deteksi Email Spam menggunakan Algoritma Convolutional Neural Network (CNN) Bachri, Chris Moulana; Gunawan, Wawan
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.v10i1.73306

Abstract

Deteksi email spam merupakan isu penting dalam keamanan siber di Indonesia, yang menempati posisi delapan teratas di dunia dalam hal pengiriman spam. Untuk mengatasi tantangan ini, penelitian ini memperkenalkan penggunaan algoritma Convolutional Neural Network (CNN). Dengan kemampuan superior dalam mempelajari dan mengenali pola dari dataset besar, CNN menawarkan pendekatan berbasis kecerdasan buatan yang lebih efektif daripada metode tradisional. Penelitian ini mengembangkan model CNN dengan menganalisis teks dari 15.271 email berbahasa Inggris dan Indonesia dengan menggunakan teknik pembersihan teks dan Tokenization. Hasilnya menunjukkan keefektivitasan CNN yang signifikan dalam mengklasifikasikan email dengan tingkat akurasi tinggi sebesar 99.67% untuk data uji 20%, 99.64% untuk data uji 30%, dan 99.63% untuk data uji 40%. Berdasarkan hasil pengujian tersebut menunjukkan bahwa algoritma CNN berpotensi kuat dalam meningkatkan keamanan digital.
Implementasi Sistem Celengan Elektronik Menggunakan Metode K-Nearest Neighbor Berbasis Arduino MEGA 2560 Putri, Nabila Adinda Dwi; Nirmala, Irma; Rismawan, Tedy
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.v10i2.81315

Abstract

Celengan merupakan wadah yang digunakan untuk menyimpan uang sebagai sarana menabung. Pada celengan tradisional, satu-satunya cara untuk mengambil uang yang ditabung adalah dengan memecahkan celengan tersebut. Sedangkan celengan modern umumnya sudah dilengkapi dengan kunci atau kode pin sehingga lebih mudah mengambil uang. Namun, jika pengguna tidak dapat mengendalikan pengeluaran, celengan ini memerlukan waktu lebih lama untuk terisi sampai penuh. Selain itu, kedua celengan ini tidak dapat menghitung total uang yang terkumpul secara otomatis. Pada penelitian ini, dibangun sistem celengan elektronik yang dapat mengatur target uang tabungan serta dapat mengetahui total uang dalam tabungan. Untuk mengetahui nominal uang yang dimasukkan ke dalam celengan, diterapkan klasifikasi nominal uang dengan metode K-NN (K-Nearest Neighbor). Sensor yang digunakan ialah sensor warna TCS3200 guna membaca nilai RGB uang dan dua sensor infrared untuk mendeteksi uang yang masuk dan jika celengan sudah penuh. Data dari sensor TCS3200 digunakan sebagai data uji untuk klasifikasi K-NN. Uang yang digunakan yaitu pecahan 10.000, 20.000, 50.000 dan 100.000 dari tahun emisi 2016 dan 2022. Berdasarkan hasil uji terhadap 40 data menggunakan confusion matrix, diperoleh tingkat akurasi tertinggi sistem senilai 95% pada data latih campuran dengan nilai K=5.
Deteksi Malware Ransomware Menggunakan Deep Neural Network Purnama, Benni; Winarto, Eko Arip; Shairuppdin, Shairuppdin; Wijaya, Ibnu Sani
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.v10i1.68492

Abstract

Malware pada perangkat mobile android menjadi sebuah tantangan yang perlu di perhatikan secara khusus. Mengingat akhir-akhir ini banyak kasus kejahatan dalam teknologi informasi dan komunikasi melalui malware.  Sebuah malware ini bertujuan untuk mencuri, mengenkripsi, dan menghapus data sensitif kemudian mengubah atau membajak data dari sebuah perangkat pengguna. Oleh karena itu, pada penelitian ini bertujuan untuk mendeteksi malware jenis ransomware melalui system operasi android menggunakan metode deep learning. Metode yang diusulkan pada penelitian ini adalah Deep Neural Network (DNN). Dataset CIC-InvesAndMal2019 akan diujikan ke model hasil dari proses training DNN. Hasil pengujian model DNN menunjukkan bahwa DNN berhasil mendeteksi malware ransomware dengan tingkat akurasi mencapai 96.6 %.
Media Augmented Reality: Implementasi Pembelajaran Ekonomi Interaktif di SMA Se-Kota Singkawang Basri, M; Achmadi, Achmadi
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.v10i2.78690

Abstract

 Transformasi pendidikan saat ini menuntut pendekatan inovatif dalam proses pembelajaran. Artikel ini membahas penggunaan Augmented Reality (AR) yang dipergunakan dalam pembelajaran sebagai media yang interaktif untuk pengajaran ekonomi di SMA Kota Singkawang. Meskipun banyak fasilitas teknologi tersedia, pemanfaatan smartphone dalam pembelajaran masih terbatas. AR, teknologi yang menggabungkan informasi virtual dengan dunia fisik, menawarkan pendekatan baru untuk memahami konsep-konsep ekonomi yang kompleks. Maksud penelitian adalah untuk mengevaluasi efektivitas penggunaan Augmented Reality (AR) untuk memfasilitasi peserta didik memahami berbagai konsep ekonomi yang sulit. Penelitian ini menemukan terjadinya peningkatan yang signifikan hasil pretest dibandingkan dengan posttest setelah penggunaan media Augmented Reality (AR). Temuan ini mendukung bahwa AR berdampak secara positif terhadap hasil belajar ekonomi peserta didik. Augmented Reality (AR) membawa konsep-konsep ekonomi yang kompleks menjadi lebih mudah dimengerti dan menarik bagi peserta didik. Selain menambah pemahaman tentang manfaat Augmented Reality (AR) dalam pembelajaran ekonomi, penelitian ini juga menyumbangkan ide-ide untuk pengembangan strategi pembelajaran yang adaptif di era digital.

Page 44 of 53 | Total Record : 522

 42   43   44   45   46 

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