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
 47   48   49   50   51 
Customer Relationship Management (CRM) System pada Peningkatan Layanan Pengguna E-Learning Ripanti, Eva Faja; Pratama, Enda Esyudha; Asrin, Fauzan
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 1 (2025): Volume 11 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i1.87229

Abstract

Sistem e-learning dimanfaatkan pada sistem pendidikan guna meningkatkan efektifitas dan efisiensi pembelajaran dengan memanfaatkan sumber daya teknologi informasi dan komunikasi. Penelitian ini bertujuan membangun sebuah customer relationship management system yang dapat meningkatkan layanan bagi pengguna e-learning di suatu Universitas. Sistem ini mengelola data pengguna e-learning sebuha universitas dengan memberikan layanan yang sesuai dengan siklus Customer Relationship Management (CRM) agar mejadi loyal. Siklus tersebut adalah acquisition, retention, dan expansion. Pengelolaan data pengguna ditempatkan dalam sebuah database, yang digunakan untuk tujuan meningkatkan jumlah pengguna maupun meningkatkan kualitas dari layanan yang diberikan oleh penyelenggara. Sistem CRM tersebut dibangun dengan mengikuti siklus pengembangan sistem informasi yaitu System Development Life Cycle (SDLC). Sementara instrumen analisis dan perancangan yang digunakan adalah Unified Modeling Language (UML). Penelitian ini kemudian menampilkan sebuah model yang menjadi acuan dalam membangun sistem CRM pada peningkatan layananan pengguna E-learning. CRM dapat memberikan dampak kepada peningkatan kualitas modul pembelajaran, yang pada akhirnya pada peningkatan kualitas pembelajaran.
Implementasi Master-slave dan Enkripsi Monoalphabetic pada Sistem IoT Monitoring Tanaman Anggur berbasis ESP-NOW Muhardi, Hafiz; Ruslianto, Ikhwan
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 1 (2025): Volume 11 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i1.89578

Abstract

Penelitian ini mengembangkan sistem monitoring tanaman anggur berbasis Internet of Things (IoT) dengan arsitektur master-slave, komunikasi ESP-NOW, dan enkripsi Monoalphabetic Cipher untuk meningkatkan keamanan transmisi data. Sistem ini memantau suhu, kelembapan udara, dan kelembapan tanah menggunakan sensor DHT11 dan soil moisture, dengan data dikirim dari node slave ke node master dan selanjutnya ke server. Hasil pengujian menunjukkan rata-rata delay sebesar 2.230,97 ms, jitter 244,59 ms, packet loss 1,08%, serta ukuran rata-rata paket data 769,17 byte. Enkripsi Monoalphabetic Cipher tidak memberikan dampak signifikan terhadap performa Quality of Service (QoS). Sistem ini berkontribusi dalam mendukung pertanian presisi dengan pemantauan real-time yang aman dan efisien, serta memiliki potensi diterapkan pada skala pertanian yang lebih besar.
Sistem Informasi Pengelolaan Stadion Sepak Bola Universitas Tanjungpura Berbasis Website Syahrial, Muhammad; Pratama, Enda Esyudha; Asrin, Fauzan
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 1 (2025): Volume 11 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i1.88812

Abstract

Sepak bola merupakan olahraga yang sangat populer dikalangan masyarakat. Meskipun saat ini penggemar yang dulunya bermain sepak bola mulai bergeser bermain futsal, Namun permintaan sewa stadion sepak bola masih saja tinggi salah satunya stadion UNTAN. Kurangnya informasi terkait stadion terutama melakukan penyewaan menyebabkan stadion tidak terpakai dan selaku pengelola sulit melakukan pendataan penggunaaan stadion karena belum ada pencatatan. Berdasarkan masalah tersebut, penelitian ini mengusulkan sebuah solusi yaitu sistem informasi yang bisa memberikan informasi kepada penyewa sekaligus mengakomodasi penyewaan stadion dan membantu pengelola untuk melakukan pencatatan pengunaan stadion. Metode pengembangan yang diterapkan adalah Rapid Application Development (RAD) dengan pendekatan iteratif pada tahap desain, yang melibatkan pembuatan UML, mockup, serta pengumpulan informasi. Selanjutnya, proses implementasi dilakukan dengan bahasa javascript yang dibantu dengan react js, node js dan basis data MySQL. Pengujian dilakukan dengan metode black-box testing dan user acceptance testing (UAT), dengan melakukan survei terhadap 6 orang responden menghasilkan pengujian menunjukkan persentase pengguna sebesar 91,2% menyatakan sangat setuju sistem yang dibangun dapat membantu pengguna melakukan reservasi stadion.
Deteksi Generatif Teks pada Penilaian Otomatis Tes Esai Berbahasa Indonesia Menggunakan IndoBERT Pitriani, Pitriani; Maylawati, Dian Sa’adillah; Gerhana, Yana Aditia
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 2 (2025): Volume 11 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i2.93221

Abstract

Hadirnya model generative artificial intelligence (GenAI) membawa tantangan baru dalam dunia pendidikan, khususnya terkait integritas. Salah satu isu yang mencuat adalah potensi penggunaan teks yang dihasil GenAI dalam jawaban pada proses penilaian pembelajaran peserta didik. Oleh karena itu, penelitian ini bertujuan untuk mendeteksi generatif teks hasil perangkat AI pada penilaian otomatis evaluasi pembelajaran dalam bentuk esai dengan bahasa Indonesia. Metode penelitian yang digunakan mengadaptasi model pre-trained Indonesia Bidirectional Encoder Representations from Transformers (IndoBERT). IndoBERT digunakan untuk deteksi generatif teks dengan AI melalui fine-tuning dan penilaian esai otomatis dengan representasi embedding dan cosine similarity dengan mempertimbangkan hasil deteksi GenAI. Hasil eksperimen menunjukkan fine-tuning pada model pre-trained IndoBERT berhasil mencapai akurasi sebesar 93.91% dengan nilai validation loss sebesar sebesar 0.1895. Sementara itu, pada tahap integrasi model deteksi teks GenAI ke dalam penilaian otomatis menunjukkan bahwa deteksi teks GenAI dapat mempengaruhi nilai akhir, khususnya pada jawaban yang memiliki similaritas tinggi dengan kunci jawaban namun terindikasi AI.
Klasifikasi dan Deteksi Malware Menggunakan Variasi Model Algoritma Machine learning Maslan, Andi; Fajrin, Alfannisa Annurullah; Putri, Anggia Dasa
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 1 (2025): Volume 11 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i1.87924

Abstract

Serangan Malware merupakan serangan yang dilakukan oleh seorang attacker dengan cara mengirimkan kode-kode berbahaya ke berbagai file atau bahkan banyak paket dan server. Oleh karena itu, operasional jaringan yang handal menjadi faktor yang perlu diperhatikan untuk mencegah terjadinya serangan sedini mungkin agar tidak terjadi kerusakan sistem yang lebih parah. Jenis serangan dapat berupa Ping of Death, flooding, remote-controlled attack, UDP flooding, dan Smurf Attack. Data serangan diperoleh dari dataset ClaMP, selain itu dilakukan penangkapan paket data pada log jaringan dan optimasi ekstraksi fitur yang selanjutnya dianalisa secara statistik dengan algoritma machine learning. Tujuan dari penelitian ini adalah untuk mendeteksi, mengklasifikasi serangan Malware menggunakan berbagai model Algoritma ML seperti SVM, KNN dan Neural Network serta melakukan pengujian kinerja deteksi. Tahapan penelitian dimulai dari proses Pre-Processing, ekstraksi, pemilihan fitur dan klasifikasi serta pengujian kinerja. Data training dan testing pada penelitian ini menggunakan mixed model yaitu data division, split model dan cross validation. Hasil penelitian menyimpulkan bahwa algoritma terbaik untuk mendeteksi paket Malware adalah Neural Network untuk kategori Feature Combination dengan tingkat akurasi sebesar 96,91%, Recall sebesar 97,35% dan Precision sebesar 96,78%. Sehingga penelitian tersebut dapat berimplikasi bagi para ahli siber untuk dapat mencegah serangan Malware sejak dini. Sedangkan penelitian selanjutnya diperlukan algoritma khusus untuk meningkatkan deteksi serangan Malware, selain KNN, SVM dan Neural Network. Penelitian ini dapat dijadikan referensi bagi para peneliti yang sedang melakukan penelitian di bidang yang sama.
Deteksi Dini Diabetes menggunakan Machine Learning dengan Metode PCA dan XGBoost Abdurrosyid, R.; Almais, Agung Teguh Wibowo
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 1 (2025): Volume 11 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i1.87780

Abstract

Diabetes melitus merupakan masalah kesehatan global yang terus meningkat, dengan dampak signifikan terhadap kualitas hidup individu dan ekonomi masyarakat. Deteksi dini diabetes memainkan peran penting dalam mencegah komplikasi serius, tetapi metode konvensional sering kali terbatas oleh waktu, biaya, dan akurasi. Penelitian ini mengusulkan kombinasi Principal Component Analysis (PCA) dan algoritma XGBoost untuk meningkatkan akurasi dan efisiensi deteksi dini diabetes. PCA digunakan untuk mereduksi dimensi data, sementara XGBoost diterapkan sebagai algoritma klasifikasi. Dataset Pima Indians Diabetes Database digunakan sebagai objek penelitian, dengan tahapan meliputi preprocessing data, penerapan PCA, dan pelatihan model menggunakan XGBoost. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kombinasi PCA dan XGBoost meningkatkan performa model dibandingkan dengan XGBoost tanpa PCA, dengan peningkatan akurasi hingga 5.4% dan F1-score sebesar 6.45%. Namun, terdapat tantangan berupa sedikit penurunan recall, yang memerlukan optimasi lebih lanjut. Penelitian ini menunjukkan potensi besar teknologi machine learning dalam mendukung deteksi dini diabetes secara lebih cepat, akurat, dan efisien, serta membuka peluang implementasi di sistem kesehatan berbasis data.
Klasifikasi Penyakit Ulkus Kaki menggunakan Metode Pretrained Convolutional Neural Network Yoga, I Gede Dian Permana; Pradipta, Gede Angga; Huizen, Roy Rudolf
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 2 (2025): Volume 11 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i2.91721

Abstract

Ulkus kaki diabetik merupakan salah satu komplikasi berat pada penderita diabetes yang, jika tidak ditangani secara dini dan tepat, dapat menyebabkan infeksi, amputasi, bahkan kematian. Tantangan utama dalam penanganannya terletak pada proses diagnosis dan klasifikasi yang masih mengandalkan pengamatan visual secara manual oleh tenaga medis, yang sering kali bersifat subjektif dan tidak konsisten. Untuk menjawab permasalahan ini, kecerdasan buatan (AI) mulai dimanfaatkan dalam dunia medis, khususnya melalui analisis citra medis digital. AI bekerja dengan mengolah data berupa gambar luka dan mengenali pola visual tertentu menggunakan algoritma pembelajaran mendalam (deep learning) seperti Convolutional Neural Network (CNN), sehingga mampu mendeteksi kondisi luka secara lebih akurat. Penelitian ini bertujuan membangun model klasifikasi ulkus kaki dengan memanfaatkan arsitektur CNN yang telah dilatih sebelumnya (pretrained model) dan ditingkatkan performanya melalui proses fine-tuning. Tiga jenis arsitektur CNN yang digunakan yaitu MobileNet, VGG16, dan ResNet50, yang kemudian dikombinasikan dengan algoritma boosting seperti XGBoost dan AdaBoost untuk meningkatkan hasil klasifikasi. Dataset yang digunakan berupa citra digital luka ulkus kaki yang telah diproses melalui teknik peningkatan kualitas gambar dan seleksi fitur. Hasil evaluasi menunjukkan bahwa kombinasi MobileNet dengan XGBoost menghasilkan kinerja terbaik dengan tingkat akurasi 89%, disusul oleh VGG16 yang dikombinasikan dengan XGBoost dengan akurasi 86%. Temuan ini menunjukkan bahwa model yang dikembangkan memiliki potensi besar sebagai alat bantu diagnosis berbasis AI yang cepat, objektif, dan akurat dalam mendukung proses klinis dan mengurangi risiko komplikasi pada pasien diabetes.
Analisis Pengaruh Fitur Terhadap Tinggi Badan Anak menggunakan SHAP Shauqie, Shahieza Alfadia; Fauzan, Mohamad Nurkamal
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 2 (2025): Volume 11 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i2.96734

Abstract

Tinggi badan anak merupakan indikator penting dalam menilai status pertumbuhan dan gizi. Meskipun hubungan antara faktor antropometri dan tinggi badan telah banyak diteliti, pemahaman kuantitatif mengenai kontribusi relatif fitur dalam model prediktif masih perlu dieksplorasi. Penelitian ini bertujuan menganalisis pengaruh fitur terhadap tinggi badan anak menggunakan machine learning berbasis regresi dan interpretasi model SHAP. Analisis dilakukan dengan kerangka CRISP-DM yang mencakup siklus analitik data. Dataset penelitian terdiri dari 100.000 entri anak dengan lima fitur utama: umur, berat badan, stunting, wasting, dan jenis kelamin. Pemodelan dilakukan secara otomatis menggunakan PyCaret dan dievaluasi dalam tiga skenario jumlah fitur: lima, tiga, dan satu, untuk menilai dampaknya terhadap akurasi dan kontribusi fitur. Hasil menunjukkan bahwa fitur umur secara konsisten memiliki pengaruh terbesar dalam semua skenario. Model lima fitur menghasilkan akurasi tertinggi (R ² = 0,9276), sementara model tiga fitur tetap kompetitif (R ² = 0,9233). Temuan ini menunjukkan bahwa fitur antropometri dasar cukup informatif untuk prediksi tinggi badan secara efisien dan interpretatif.
Implementasi Metode AI pada Sistem Pemantauan Fermentasi Biji Kopi secara Real-Time Berbasis Iot Aryawan, I Komang Budi Mas; Melati, I Gusti Ayu Sri; Putra, Anak Agung Ngurah Dwi Ariesta Wijaya
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 1 (2025): Volume 11 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i1.87858

Abstract

Fermentasi biji kopi merupakan tahap penting dalam menghasilkan cita rasa terbaik. Permasalahan yang dihadapi petani kopi adalah ketidakefisienan metode fermentasi konvensional, yang memerlukan pemantauan manual secara terus-menerus. Penelitian ini bertujuan untuk mengembangkan sistem pemantauan fermentasi biji kopi berbasis Internet of Things (IoT) yang terintegrasi dengan metode Certainty Factor (CF), sehingga sistem memungkinkan pemantauan real-time terhadap parameter fermentasi seperti suhu, pH, dan durasi fermentasi menggunakan sensor IoT. Dengan mengintegrasikan metode CF, sistem dapat memberikan analisis tingkat keberhasilan fermentasi secara akurat berdasarkan data yang diperoleh. Selain itu, sistem juga dapat diakses secara online oleh petani kopi dalam melakukan proses fermentasi. Sehingga hal ini menjadi keunggulan dan sebuah inovasi dalam rangka meningkatkan efektifitas yang bermuara pada peningkatan produktifitas olahan biji kopi. Penelitian ini menerapkan metode pengembangan perangkat lunak waterfall, yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian dengan pendekatan black-box testing. Hasil penelitian menunjukkan bahwa sistem mampu mengotomatisasi proses fermentasi dan menghasilkan informasi diagnostik yang akurat, dengan simulasi sebanyak 127 kombinasi kemungkinan fakta menunjukkan tingkat kesesuaian hasil diagnosa mencapai 100%. Nilai CF yang dihasilkan sistem membantu petani dalam pengambilan keputusan, data menunjukkan bahwa durasi fermentasi optimal adalah 4 hari dengan tingkat keberhasilan 97%, diikuti oleh durasi 6 hari (87%) dan 2 hari (61%). Sebaliknya, fermentasi lebih dari 6 hari hanya memiliki tingkat keberhasilan 0,06%, sedangkan fermentasi kurang dari 2 hari menghasilkan nilai keyakinan negatif (-71%) yang menunjukkan kegagalan proses. Sistem ini secara praktis membantu petani meningkatkan efisiensi dan kualitas hasil fermentasi biji kopi, sekaligus memperkenalkan pendekatan berbasis teknologi dalam praktik pertanian modern.
Implementasi Single Sign-On (SSO) dengan Pendekatan Alaca's Framework untuk Peningkatan Keamanan Layanan Web Terintegrasi Wicaksono, Herlambang Rafli; Kabetta, Herman; Hadiprakoso, Raden Budiarto; Qomariasih, Nurul
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 11, No 1 (2025): Volume 11 No 1
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v11i1.81743

Abstract

Disintegrasi beberapa layanan yang menyangkut pengguna yang sama dapat membuat proses autentikasi menjadi redundan dan mengurangi kenyamanan pengguna. Single Sign On (SSO) membuat seorang pengguna bisa menggunakan sebuah kredensial untuk mengakses beberapa layanan dengan identitas yang sama. Sistem SSO dapat membuat pengguna melakukan satu proses autentikasi untuk mengakses beberapa layanan dan sumber daya. Penelitian ini bertujuan untuk mengatasi tantangan integrasi layanan web yang sudah ada menggunakan SSO untuk menghilangkan redundansi. Sebuah aplikasi SSO baru dirancang dan diimplementasikan untuk mengintegrasikan layanan-layanan tersebut dengan memenuhi persyaratan fungsional dan non-fungsional, termasuk kebijakan keamanan yang ketat. Dengan menggunakan Alaca's SSO System Evaluation Framework, manfaat dari aplikasi ini dievaluasi, menunjukkan keunggulan dibandingkan skema OpenID Connect, terutama dalam memberikan jaminan sinyal kepada Penyedia Layanan.

Page 49 of 53 | Total Record : 522

 47   48   49   50   51 

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