cover
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota pontianak,
Kalimantan barat
INDONESIA
Jurnal Edukasi dan Penelitian Informatika (JEPIN)
ISSN : 24600741     EISSN : 25489364     DOI : -
Core Subject : Science, 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 172 Documents
Perbandingan Kinerja Hasil Seleksi Fitur pada Prediksi Kinerja Akademik Siswa Berbasis Pohon Keputusan Asmoro, Achmad Shoddiq Bayu; Irianto, Wahyu Sakti Gunawan; Pujianto, Utomo
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 4, No 2 (2018): Volume 4 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (22.76 KB) | DOI: 10.26418/jp.v4i2.29294

Abstract

Sistem manajemen E-learning merupakan bentuk kemajuan teknologi dalam bidang pendidikan dan telah banyak menghasilkan kumpulan data-data pendidikan yang salah satunya adalah data aktivitas pembelajaran siswa dalam sistem manajemen E-learning. Banyaknya data pendidikan yang belum tereksplorasi dengan baik dapat di manfaatkan dengan menggunakan teknik data mining. Pada penelitian ini akan dilakukan perbandingan 3 model data berbeda yaitu data awal tanpa preprocessing dan data yang di preprocessing menggunakan seleksi fitur correlation-based feature selection dan Information Gain. Data yang digunakan adalah data aktivitas pembelajaran siswa dalam sistem manajemen E-learning. Selanjutnya proses pengujian data dengan menggunakan 10 folds cross validation dengan metode C4.5 dan evaluasi data menggunakan confusion matrix. Hasil dari pengujian data menggunakan algoritma C4.5 yang dikombinasikan dengan seleksi fitur correlation-based feature selection menghasilkan nilai akurasi yang lebih tinggi dengan nilai akurasi sebesar 76.92%. Sementara itu hasil dari pengujian data awal tanpa selesksi fitur dan data yang di seleksi fitur menggunakan information gain memiliki nilai akrasi yang sama dengan nilai akurasi sebesar 76.19%. Hal ini dikarenakan data yang diproses menggunakan algoritma C4.5 tanpa preprocessing dan data yang telah di preprocessing menggunakan information gain sama-sama menghitung nilai gain untuk membuat model pohon keputusan, dan menghasilkan model pohon keputusan yang sama. Sehingga hasil dari proses pengujian data memiliki nilai akurasi yang sama.
Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes Gunawan, Billy; Sastypratiwi, Helen; Pratama, Enda Esyudha
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 4, No 2 (2018): Volume 4 No 2
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (536.219 KB) | DOI: 10.26418/jp.v4i2.27526

Abstract

Sistem analisis sentimen merupakan sistem yang digunakan untuk melakukan proses analisis otomatis pada ulasan produk online bahasa Indonesia untuk memperoleh informasi meliputi informasi sentimen yang merupakan bagian dari ulasan online. Data tersebut diklasifikasikan menggunakan Naive Bayes. Sistem analisis sentimen dibagi menjadi 5 (lima) tahap, yaitu crawling, pre-processing, pembobotan kata, pembentukan model dan klasifikasi sentimen. Pada pembobotan kata digunakan metode TF-IDF (Term Frequency – Inverse Document Frequency). Data yang ada akan diklasifikasikan ke dalam 5 (lima) kelas, yaitu sangat negatif, negatif, netral, positif dan sangat positif. Data tersebut kemudian akan dievaluasi menggunakan pengujian confusion matrix dengan parameter akurasi, recall, dan precision. Hasil pengujian menunjukkan pada pengujian 3 kelas (negatif, netral dan positif) hasil terbaik didapatkan pada 90% data latih dan 10% data uji dengan nilai akurasi 77.78%, recall 93.33% dan precision 77.78% dan pada pengujian 5 kelas hasil terbaik didapatkan pada 90% data latih dan 10% data uji  dengan nilai akurasi 59.33 %, recall 58.33 % dan precision 59.33 %. Hasil prediksi kelas data uji yang relevan dibandingkan antara kelas sentimen yang ditandai supervisor dan kelas sentimen yang dihasilkan oleh sistem analisis sentimen walaupun belum sepenuhnya akurat.
KNOWLEDGE MANAGEMENT SYSTEM KONSERVASI HUTAN TANAMAN MANGROVE Yudhanti, Dwina Admella; Ripanti, Eva Faja; Perwitasari, Anggi
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.35956

Abstract

Hutan mangrove merupakan suatu ekosistem yang sumberdaya alamnya diarahkan untuk kesejahteraan manusia dan mewujudkan pemanfaatannya agar dapat berkelanjutan, maka ekosistem mangrove perlu dikelola dan dijaga keberadaannya. Knowledge Management System (KMS) menawarkan sebuah pendekatan yang saling terintegrasi dengan tujuan mengindentifikasi, menangkap, mengambil, membagi, dan mengevaluasi informasi. KMS membantu dalam pencarian, pemilihan, pengaturan, penyaringan dan penyajian informasi, kemudian memudahkan untuk memberikan pengetahuan dalam mengatur berjalannya proses kerja. Tujuan dilakukannya penelitian ini adalah membangun Knowledge Management System yang dapat membantu pengguna yaitu masyarakat, pemerintah dan peneliti dalam melakukan pelestarian mangrove. Metodologi penelitian yang dilakukan yaitu identifikasi masalah, analisis kebutuhan sistem, perancangan, implementasi, dan pengujian sistem. Penelitian ini mengadopsi sebuah framework yang memiliki empat proses yaitu analisis, strategi, perencanaan, dan strategi. Model pengembangan sistem menggunakan konsep System Development Life Cycle (SDLC). Pengujian sistem dilakukan dengan dua cara, yaitu pengujian Black Box dan User Acceptance Test (UAT). Hasil pengujian Black Box adalah sistem dapat bekerja dengan baik dalam menangani suatu kemungkinan kesalahan, sedangkan pada pengujian UAT sistem dinilai sudah memberikan hasil yang baik. Hasil kuesioner yang dilakukan 83.47% menyatakan aplikasi ini sangat membantu. Secara keseluruhan, KMS Hutan Tanaman Mangrove bisa membantu proses penyampaian informasi dan pengetahuan manajemen pengumpulan data.
SKEMA PENYEMBUNYIAN DATA PADA GAMBAR BERBASIS INTERPOLASI KUBIK B-SPLINE MENGGUNAKAN METODE LEAST SIGNIFICANT BIT (LSB) garno, Garno; Adam, Riza Ibnu
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.37584

Abstract

Maraknya kasus pencurian data menyebabkan sistem keamanan pesan harus ditingkatkan. Salah satu cara untuk mengamankan pesan adalah dengan memasukkan pesan ke dalam gambar digital. Penelitian ini bertujuan untuk meningkatkan kualitas gambar digital dalam sistem keamanan pesan tersembunyi. Teknik yang digunakan untuk keamanan pesan adalah steganografi. Cover image akan dikonversi menjadi bit piksel dalam domain spasial. Cover image digunakan dalam bentuk gambar digital dengan format .jpg. Teknik meningkatkan kualitas dan kapasitas gambar digital dilakukan dengan menambahkan dan meningkatkan bit piksel menggunakan metode interpolasi Cubik B-Spline. Cover image yang telah di interpolasi, kemudian disisipi pesan menggunakan metode least significant bit (LSB) untuk memperoleh stegoimage. Pesan yang diselipkan berbentuk file .doc, .docx, .pdf, .xls, .rar, .iso dan .zip dengan ukuran berbeda-beda kapasitasnya. Teknik uji dibuat dengan bantuan perangkat lunak MATLAB versi 2017a. Penelitian melakukan uji dengan mengukur nilai kualitas penyamaran dari stegoimage menggunakan Peak Signal to Noise Ratio (PSNR) dengan rata-rata perolehan stegoimage terhadap Original image 29.06 dB dan stegoimage terhadap Image interpolation 64.34 dB dan uji mean squared error (MSE) dengan rata-rata perolehan 97.54 dB pada Image interpolation terhadap original image dan 97.55 dB pada stegoimage terhadap original image, 0.13 dB nilai MSE stegoimage terhadap Image interpolation. Hasil uji pada penelitian dengan proses interpolasi pada coverimage dengan Cubic B-Spline mempengaruhi terhadap nilai samar atau Nilai PSNR.
PREDIKSI PENYAKIT JANTUNG MENGGUNAKAN METODE-METODE MACHINE LEARNING BERBASIS ENSEMBLE – WEIGHTED VOTE Alhamad, Apriyanto; Azis, Azminuddin I. S.; Santoso, Budy; Taliki, Sunarto
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.37188

Abstract

Kematian yang disebabkan penyakit jantung masih sangat tinggi, sehingga perlu peningkatan upaya-upaya pencegahannya, misalnya dengan meningkatkan capaian model prediksinya. Penerapan metode-metode machine learning pada dataset publik (Cleveland, Hungary, Switzerland, VA Long Beach, & Statlog) yang umumnya digunakan oleh para peneliti untuk prediksi penyakit jantung, termasuk pengembangan alat bantunya, masih belum menangani missing value, noisy data, unbalanced class, dan bahkan data validation secara efisien. Oleh karena itu, pendekatan imputasi mean/mode diusulkan untuk menangani missing value replacement, Min-Max Normalization untuk menangani smoothing noisy data, K-Fold Cross Validation untuk menangani data validation, dan pendekatan ensemble menggunakan metode Weighted Vote (WV) yang dapat menyatukan kinerja tiap-tiap metode machine learning untuk mengambil keputusan klasifikasi sekaligus untuk mereduksi unbalanced class. Hasil penelitian ini menunjukkan bahwa metode yang diusulkan tersebut memberikan akurasi sebesar 85,21%, sehingga mampu meningkatkan kinerja akurasi metode-metode machine learning, selisih 7,14% dengan Artificial Neural Network, 2,77% dengan Support Vector Machine, 0,34% dengan C4.5, 2,94% dengan Naïve Bayes, dan 3,95% dengan k-Nearest Neighbor.
IMPLEMENTASI FUZZY DAN DIJKSTRA PADA SISTEM PENGANGKUTAN SAMPAH Abdillah, Hilal Nabil; Rakhmatsyah, Andrian; Putrada, Aji Gautama
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.34320

Abstract

Tempat sampah tidak dapat diperkirakan kapan penuh atau kosong, mengakibatkan petugas dalam pengangkutannya sering mengunjungi tempat sampah yang kosong dan terkadang petugas sering kembali ke tempat yang kosong tersebut. Tempat sampah yang ada di daerah Perumahan Buah Batu (PBB) merupakan tempat sampah yang dibuat di depan rumah dengan bentuk kubus berdiameter sekitar 60cm x 60cm disertai penutup tempat sampah. Dari permasalahan tersebut dibutuhkan smart monitoring yang dapat menunjukan tempat sampah yang isinya dapat diangkut oleh petugas. Sistem monitoring ini menggunakan sensor ultrasonik dengan output nilai ketinggian sampah dan sensor loadcell dengan ouput nilai berat sampah, dimana nilai output sensor merupakan nilai input untuk Fuzzy, setelah sistem diteruskan dengan sistem Dijkstra. Fuzzy menghasilkan nilai keputusan dari output sensor, hasil fuzzy menjadi penentu tempat sampah mana yang diangkut, jika hasil fuzzy lebih dari satu tempat sampah berstatus ?Angkut? dengan nilai berkisar dari 50 - 100, maka node tersebut membentuk sebuah graph. Dalam pengangkutannya menggunakan dijkstra untuk mendapatkan rute yang paling efisien dari node awal ke semua node yang ada. Sistem terus mengulangi proses pembaruan nilai dan membandingkannya sampai seluruh  node selesai. Sehingga sistem mengeluarkan hasil bobot semua node pada graph, berdasarkan nilai bobot yang dihasilkan dibuat list untuk menentukan jalur pengangkutan sampah. Pengujian ini dilakukan hanya dengan menggunakan 5 titik tempat sampah atau disebut juga node yang ada di Perumaha Buah Batu (PBB) sebagai sampel percobaan, node yang dipilih merupakan area penduduk terbanyak di daerah perumahan tersebut. Dalam pengujian pada penelitian ini menghasilkan graph yang dibentuk berdasarkan hasil fuzzy yang berstatus ?Angkut? berjumlah semua node, rute yang dibentuk Gerbang ? G ? I ? H ? E ? C dengan jarak sejauh 1096 meter dan hasil graph yang dibentuk hanya dengan tiga node yakni node C, node I dan node E menghasilkan rute Gerbang ? C ? E ? H dengan jarak 961.
PREDIKSI BEDAH TORAKS MENGGUNAKAN SELEKSI FITUR FORWARD SELECTION DAN K-NEAREST NEIGHBOR Sanjaya, Rangga; Fitriyani, Fitriyani
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.35324

Abstract

Kanker paru merupakan penyakit yang memerlukan tindakan penanganan yang cepat dan terarah, dimana penyebab paling tinggi dari kanker paru adalah merokok. Bedah toraks merupakan operasi yang paling umum untuk kanker paru. Bedah toraks dapat mengobati kanker paru, akan tetapi usia hidup pasien pasca operasi yang menjadi masalah, sehingga sebelum melakukan operasi dokter harus dapat memilih pasien dengan tepat berdasarkan resiko dan manfaat. Penelitian ini menggunakan dataset thoracic surgery dengan menggunakan algoritma K-Nearest Neighbor. Pada dataset thoracic surgery terdapat kelas atau fitur yang tidak relevan sehingga dilakukan seleksi fitur menggunakan Forward Selection. Eksperimen dan pengolahan data yang dilakukan, dibantu oleh software Rapidminer. Pada penelitian ini akan dilakukan perbandingan performa antara algoritma K-Nearest Neighbor tanpa seleksi fitur dengan K-Nearest Neighbor dengan seleksi fitur Forward Selection. Berdasarkan hasil pengujian dan perbandingan dari kedua model yang diusulkan, algoritma K-NN dengan optimasi fitur menggunakan metode forward selection memiliki nilai akurasi lebih baik dibandingkan dengan algoritma K-NN tanpa seleksi fitur.
ANALISIS SENTIMEN CALON PRESIDEN INDONESIA 2019 DARI MEDIA SOSIAL TWITTER MENGGUNAKAN METODE NAIVE BAYES Fitriyyah, Sitti Nurul Jannah; Safriadi, Novi; Pratama, Enda Esyudha
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.34368

Abstract

Pada tahun 2019 Indonesia akan mengadakan pesta demokrasi pemilihan kepala negara Indonesia. Setiap tokoh politik yang dicalonkan menjadi kepala negara akan mempertimbangkan popularitas mereka berdasarkan opini masyarakat. Sejak diumumkan nama calon Presiden Indonesia 2019 oleh Komisi Pemilihan Umum(KPU) nama-nama tersebut mulai banyak diperbincangkan, terutama di media sosial salah satunya adalah twitter. Terdapat berbagai opini pengguna twitter yang bersentimen negatif positif dan netral. Namun untuk menentukan sentimen dari pengguna twitter membutuhkan usaha dan waktu yang cukup banyak dikarenakan banyaknya jumlah tweet yang digunakan. Dibutuhkan pembelajaran mesin yang dengan cepat dalam pengklasisifikasian tweet tersebut dalam kelas negatif, positif dan netral. Naive Bayes Classifier adalah metode klasifikasi text yang memiliki kecepatan pemrosesan dan akurasi yang cukup tinggi apabila diterapkan pada data yang banyak, besar, dan beragam. Sebelum data tweet diklasifikasikan, data tersebut harus melalui beberapa proses, seperti prepocessing, pembobotan kata dan pemecahan data. Tujuan dari penelitian ini adalah mengetahui bagimana penerapan metode Naive Bayes pada sentimen pengguna twiter di 2 kelas (negatif, positif) dan 3 kelas (negatif, positif, netral). Hasil dari penelitian ini diperoleh bahwa dilakukan pengujian 3 kelas dan 2 kelas untuk setiap pasangan calon (paslon). Pada pengujian 3 kelas paslon 01 dan paslon 02 didapat hasil akurasi berturut-turut sebagai berikut 64,6% dan 58%. Sedangkan pada pengujian 2 kelas paslon 01 dan paslon 02 didapat hasil akurasi berturut-turut sebagai berikut 77,7% dan 88%. Performansi tertinggi terdapat pada calon presiden nomor urut dua dengan nilai f-measure sebesar 0,88.
SISTEM INFORMASI MONITORING DAN EVALUASI DENGAN MENGGUNAKAN KURVA S SEBAGAI INDIKATOR REALISASI DAN KEMAJUAN PEKERJAAN Brianorman, Yulrio; Waspodo, Waspodo
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.37323

Abstract

Upaya monitoring dan evaluasi terhadap suatu proyek pekerjaan pada dinas di pemerintahan merupakan hal penting untuk mengetahui proses serta status kemajuan pekerjaan dengan cepat dan akurat. Proses ini menjadi indikator utama keberhasilan suatu pekerjaan. Sistem informasi yang dibangun ini mencakup monitoring dan evaluasi pada pekerjaan fisik serta pada proses pembayaran keuangan pekerjaan. Indikator kemajuan pekerjaan fisik menggunakan kurva S yang dapat menggambarkan kemajuan volume pekerjaan yang diselesaikan.  Sementara monitoring dan evaluasi keuangan dilakukan pencatatan secara mendetail. Penelitian menghasilkan aplikasi sistem monitoring dan evaluasi pekerjaan yang memberikan informasi mengenai kemajuan pekerjaan baik pada bagian pengerjaan fisik  maupun proses keuangan. Sistem ini telah diujicobakan di Bidang SDA Dinas Pekerjaan Umum Kabupaten Kuburaya menggunakan 2 pengujian yaitu blackbox dan User Acceptance Test (UAT). Hasil pengujian blackbox menunjukkan bahwa semua fitur yang dibangun dapat bekerja dengan baik. User Acceptance Test (UAT) sebesar 75% menunjukkan user sangat menyetujui bahwa sistem ini sesuai kebutuhan bisnis dan layak untuk digunakan. Responden terdiri dari 4 orang ASN dari bidang SDA pada Dinas PUPR Kabupaten Kuburaya.
PERANCANGAN KNOWLEDGE MANAGEMENT SYSTEM PARIWISATA PROVINSI SUMATERA BARAT Fryonanda, Harfebi; Gatc, Julend
Jurnal Edukasi dan Penelitian Informatika (JEPIN) Vol 5, No 3 (2019): Volume 5 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v5i3.37381

Abstract

Pariwisata memiliki peranan yang sangat penting dalam meningkatkan perekonomian sebuah negara, daerah dan terutama masyarakat sekitar. Sumatera Barat merupakan salah satu provinsi yang menjadi tujuan wisatawan lokal maupun mancanegara. Sumatera Barat memiliki banyak jenis objek wisata seperti: laut, pantai, gunung, lembah dan lainnya. Sampai saat ini sudah terdata ±829 tujuan wisata yang ada di Sumatera Barat. Maka dari itu pemerintah Sumatera Barat menginginkan adanya pemetaan/mapping pariwisata dan koordinasi stakeholder. Pada penelitian ini dilakukan sistem inventarisasi pengetahuan yang tersedia dan menghubungkan semua stakeholder yang ada dengan menggunakan pendekatan Knowledge Management Life Cycle (KMLC). Sistem yang dirancang merupakan Sharing Knowledge Management System sehingga setiap user dapat berbagi pengetahuan baik itu pengetahuan tacit maupun ekplisit. Penelitian ini menghasilkan sebuah knowledge management system pariwisata yang akan mengakomodasi kebutuhan wisatawan, selain itu, sistem ini juga memungkinkan user dapat berinteraksi satu sama lain, mendapatkan informasi dan pengetahuan baik itu pengalaman, info wisata dalam bentuk artikel maupun event dan lainnya. Sehingga pengetahuan yang diperoleh oleh user khususnya wisatawan dapat membantu mereka dalam pengambilan keputusan seperti pemilihan rute perjalananan atau tujuan wisata, dan juga mendapatkan informasi pendukung lainnya.

Page 1 of 18 | Total Record : 172