JEPIN (Jurnal Edukasi dan Penelitian Informatika)
Not a member yet
363 research outputs found
Sort by
Implementasi Jaringan VPN untuk Mengurangi Biaya Komunikasi Menggunakan Metode EoIP Over PPTP: Studi Kasus House Printing
Get PDFPerusahaan di bidang percetakan masih sangat dibutuhkan, meski dunia digital kini semakin berkembang pesat. Banyak korporasi masih membutuhkan media cetak sebagai penunjang untuk memenuhi kebutuhan perusahaan. House Printing adalah salah satu perusahaan di bidang percetakan yang masih berkembang, dengan perkembangan teknologi saat ini kebutuhan akses data tidak cukup dibebankan dengan akses lokal saja, sehingga dibutuhkannya struktur jaringan yang mampu mengakses data lebih cepat meski dengan jarak jauh sekalipun. Selain itu, koneksi jaringan yang dibutuhkanpun tidak ingin terpaku oleh salah satu provider saja. Sebagai perusahaan industri kreatif yang sedang berkembang dengan mengikuti perkembangan teknologi yang ada, House Printing memiliki tanggung jawab penuh untuk memberi layanan terbaiknya kepada para pelanggannya. Tidak hanya sekedar meliputi produk atau jasa yang ditawarkan, akan tetapi berkaitan dengan akses data dari kantor cabang ke kantor pusat atau sebaliknya. Terlebih dengan kondisi pandemic yang tak kunjung usai, yang mengharuskan karyawan bekerja dari rumah. Dengan file grafis yang memiliki ukuran kapasitas yang cukup besar, sangat menghambat kinerja perusahaan jika hanya transfer data melalui email saja. Selain itu menjadikan pelayanan perusahaan tidak efektif dan kurang memuaskan bagi pelanggan apabila terdapat gangguan jaringan dll, karena tidak dapat akses ke kantor pusat. Dengan menyesuaikan kondisi perusahaan dan kebutuhan dukungan jaringan pada perusahaan, salah satu opsi penyelesaian masalah untuk transfer data agar lebih mudah adalah dengan menggunakan metode VPN atau dengan menggunakan metode Cloud Storage. VPN atau yang disebut juga Virtual Private Network merupakan salah satu alternatif pengaman data yang bersifat privat yang memungkinkan penggunaannya untuk perusahaan berkembang dengan efisiensi biaya untuk perusahaan
Tuning Hyperparameter pada Gradient Boosting untuk Klasifikasi Soal Cerita Otomatis
Get PDFSoal adalah susunan pertanyaan yang dibuat untuk menguji keberhasilan dari pembelajaran siswa. Bagi manusia, membedakan soal penjumlahan dengan pengurangan sangat mudah, namun tidak halnya dengan mesin. Mesin membutuhkan pembelajaran untuk mengenali soal cerita apakah termasuk penjumlahan atau pengurangan. Kebutuhan mesin untuk mengenali soal cerita biasanya diterapkan dalam pembuatan sistem E-learning. Berdasarkan dari masalah ini, maka digunakan metode gradient boosting untuk mengklasifikasikan soal cerita. Kelas target atau label dari klasifikasi terdiri dari empat kelas yaitu penjumlahan, pengurangan, perkalian, pembagian, dan campuran. Soal cerita diambil dari buku matematika untuk kelas tiga sampai kelas enam Sekolah Dasar. Guru Sekolah Dasar (SD) melabeli soal cerita, dan dijadikan sebagai dataset untuk pembelajaran dari machine learning. Dataset kemudian di preprocessing, ekstraksi fitur dengan menggunakan TF-IDF dan selanjutnya dibagi menjadi data training dan data testing dengan menggunakan K-fold cross validation dengan nilai K[5,10,20]. Performa metode gradient boosting dalam mengklasifikasikan soal matematika diukur dengan menggunakan akurasi. Akurasi didapatkan dari hasil perbandingan dari label yang diprediksi oleh machine learning dengan label dari pakar yaitu guru SD. Berdasarkan hasil percobaan pada 500 data soal cerita, diperoleh hasil akurasi terbaik sebesar 75,8% pada saat K=20 dengan hyperparameter gradient boosting N_estimator=100, max_depth=9 dan learning rate=0,15
Solusi Heuristik untuk Permasalahan Rute Inventori Berkala pada Produk Segar
Get PDFProduk segar yang mudah rusak (perishable) ialah produk yang mengalami penurunan nilai seiring dengan waktu sehingga dibutuhkan strategi pendistribusian dan penyimpanan yang tepat agar produk dapat terjual sebelum nilai produk menurun secara signifikan. Pada riset ini dikembangkan suatu metode solusi heuristik bagi masalah inventory routing berkala untuk pendistribusian dan pengelolaan persediaan produk segar mudah rusak dengan tujuan memaksimalkan pendapatan total yang dihasilkan. Pengembangan metode solusi heuristik ini menggunakan dua algoritma heuristik yaitu greedy dan random. Eksperimen terhadap kedua algoritma ini dilakukan menggunakan dua skenario pola demand konsumen akhir. Hasil eksperimen menunjukkan bahwa Algoritma Greedy mampu memberikan solusi yang lebih baik dibandingkan dengan Algoritma Random pada skenario pola demand menurun
Implementasi Algoritma Winnowing pada Aplikasi Pendeteksi Kemiripan Dokumen
Get PDFBeberapa syarat yang mahasiswa harus lakukan dalam menyelesaikan program sarjana (S1) salah satunya ialah membuat karya ilmiah dalam bentuk skripsi. Dalam penulisan skripsi, beberapa kasus penulisan skripsi mahasiswa memiliki topik judul yang sama. Dengan kesamaan topik pada judul yang dibuatoleh mahasiswa membuat kemungkinan isi skripsi yang dibuat menjadi mirip. Kemiripan tersebut tidak bisa dibilang sebagai bentuk plagiarisme. Oleh karena itu dibutuhkan aplikasi yang bisa mendeteksi kemiripan antara dokumen skripsi dengan dokumen skripsi lainya agar dapat mengetahui apakah kalimat yang mirip di dalam dokumen skripsi mengandung plagiarisme atau tidak. Algoritma Winnowing digunakan untuk meningkatkan efisiensi dari proses perbandingan dokumen serta menghasilkan nilai fingerprinting. Nilai fingerprinting kemudian dihitung dengan menggunakan Dice Distance dan Chebyshev Distance untuk mengetahui berapa persentase kemiripan antar dokumen skripsi.Aplikasi yang dibangun ini berhasil untuk mendeteksi kemiripan antara dokumen skripsi dengan menggunakan algoritma winnowing dan dapat beroperasi dengan baik. Hasil pengukuran Dice Distance adalah 23.87 % sedangkan dengan pengukuran Chebyshev Distance adalah 79, dan rata-rata waktu yang dihabiskan dalam memproses satu dokumen adalah 110.74 detik. Antara Dice Distance dan Chebyshev Distance jika dipaksa digabungkan akan mendapatkan hasil yang tidak sesuai dikarenakan perbedaan pengukuran nilai
Audit Teknologi Informasi di Yayasan Baitul Maal PLN Unit Induk Pembangunan Kalimantan Bagian Barat
Get PDFPerkembangan teknologi di segala bidang kehidupan dirasakan semakin terus berkembang, salah satunya teknologi informasi (TI) dimana dalam menjalan suatu organisasi perlu adanya sistem TI yang baik, diperlukan suatu evaluasi atas penggunaan sistem informasi agar pengelolaan informasi dapat berjalan secara efektif dan efisien. Yayasan Baitul Maal PLN Unit Induk Pembangunan Kalimantan Bagian Barat (YBM PLN) didirikan dengan tujuan untuk menghimpun dana zakat, infak, shodaqoh, dan wakaf (ZISWAF) dari masyarakat muslim dan dana-dana halal lainnya. Dalam penelitian ini, COBIT 2019 dipilih sebagai framework dan berfokus pada 5 domain, yaitu EDM02, APO04, APO05, APO07, dan APO08. Metode penelitian yang digunakan yaitu analisis kebutuhan, penentuan domain COBIT, pembuatan RACI Chart, dan penyusunan rencana audit. Hasil analisis didapati capability level domain EDM02, APO05, APO07, dan APO08 telah melebihi target, sedangkan domain APO04 memiliki gap 1 dari target meskipun yayasan telah berhasil merekrut ide-ide inovatif dari luar (pelanggan, pemasok, dan mitra), namun masih perlu melakukan proof-of-concept terhadap setiap jenis kegiatan organisasi yang akan dilakukan untuk menutupi kekurangan gap tersebut
Klasifikasi Citra Burung Jalak Menggunakan Artificial Neural Network dan Random Forest
Get PDFKlasifikasi Citra Burung Jalak Menggunakan Fitur ekstraksi GLCM dan Artificial Neural Network sebelumnya sudah pernah diteliti. Hasil dalam penelitian tersebut menunjukkan tingkat akurasi dalam klasifikasi jenis burung jalak hanya mencapai 49,20% dengan split ratio 50:50.Oleh karena itu, peneliti mengusulkan klasifikasi citra burung jalak menggunakan Artificial Neural Network dan Random Forest. Klasifikasi ini bertujuan untuk meningkatkan hasil akurasi sebelumnya. Hasil dalam pengujian yang dilakukan antara Artificial Neural Network dengan Random Forest bisa disimpulkan bahwa pada fitur Wavelet memiliki hasil yang maksimal pada proses klasifikasi burung jalak. Hasil dalam pengujian dimulai dengan Artificial Neural Network memiliki nilai tertinggi pada precision mencapai 0.986, recall 0.987, f-measure sebesar 0.988 dan accuracy sebesar 89% pada split ratio 50:50. Hasil dari Random Forest memiliki nilai tertinggi pada precision mencapai 1.000, recall mencapai 0.877, f-measure mencapai 0.975 dan accuracy mencapai 100% dengan perbandingan mulai dengan 50:50. Hasil klasifikasi citra burung jalak dari segi matrix confusion menunjukkan bahwa perbandingan data antara 10:90 sampai dengan 90:10 juga sangat berpengaruh dalam proses ketepatan dalam mengklasifikasi. Pengujian yang telah dilakukan telah membuktikan bahwa metode Random Forest dapat memperbaiki kinerja dan hasil pada metode Artificial Neural Network. Serta dalam hal ini menunjukkan Random Forest lebih baik dalam ketepatan dan keakuratan dibandingkan dengan Artificial Neural Network dalam mengklasifikasi jenis burung jala
Reduksi Dimensi Data menggunakan Metode Wrapper Sequential Feature Selection untuk Peningkatan Performa Algoritma Naïve Bayes terhadap Dataset Medis
Get PDFPenggunaan Machine Learning sebagai alat bantu dalam penanganan medis saat ini berkembang dengan pesat. Salah satu penyakit medis yang dikembangkan menggukan algoritma komputasi adalah Cardiovascullar Disease (CVD). Machine learning model yang diterapkan didasarkan dataset rekam medis. Tujuan penelitian ini adalah menginvestigasi performa algoritma naïve bayes dengan menerpakan metode Wrapper Sequential Feature Selection (WSFS). Metode penelitian dimulai dari pengumpulan dataset, data preprocessing, penerapan model Naïve Bayes, dan atribut scoring menggunakan Wrapper SFS, dan validasi performa menggunakan uji validasi 10-Fold Cross-Validation. Data history yang digunakan yaitu dataset Heart Failure Clinical Records yang terdiri dari 299 instances pada 13 features. Hasil penelitian menunjukkan bahwa metode Wrapper SFS dapat mengimprovisasi nilai performa Algoritma Naïve Bayes dari nilai akurasi, Precisi, dan Recall. Adapun kenaikan performa didapatkan dengan kombinasi 6 fitur ('anaemia', 'diabetes', 'ejection_fraction', 'serum_creatinine', 'gender', 'time') yang didapatkan dari seleksi fitur WSFS terhadap Algoritma tersebut yaitu nilai akurasi meningkat sebanyak 6,334%, skor recall meningkat 11,333%, dan nilai precision meningkat sebesar 20,07% dibandingkan dengan Algoritma Naïve Bayes.
Analisis dan Perancangan Aplikasi E-Commerce Mobile Berbasis Gamification (Studi Kasus Betukang.Id)
Get PDFE-Commerce merupakan salah satu konsep pemasaran produk dan jasa secara digital yang sedang populer saat ini. Dengan konsep ini diharapkan pemasaran jasa tukang dapat berkembang lebih luas pada masyarakat. Penelitian ini difokuskan pada media pemasaran jasa tukang menggunakan e-commerce. Tujuan dari penelitian ini adalah merancang sebuah media pemasaran jasa tukang berbasis gamification yang dapat meningkatkan daya tarik konsumen dalam menggunakan media pemasaran digital ini. Perancangan aplikasi ini menggunakan model user centered design yang berfokus pada kebutuhan user. Fitur-fitur yang diutamakan dalam perancangan media pemasaran digital ini meliputi form pemesanan jasa, form profil yang berisikan informasi alamat pengguna, form histori pemesanan jasa, halaman informasi reward, halaman berita dan halaman utama. Adapun beberapa komponen pada elemen gamification yang diimplementasikan pada penelitian ini adalah peraturan, point, reward, achievement, content unlocking, goods dan level. Sistem point, level dan achievement yang diperoleh pengguna didasarkan pada frekuensi pemesanan, kemudian point ini dapat ditukarkan dengan kupon (reward). Dalam penelitian ini akan dijabarkan perancangan aplikasi mobile e-commerce dengan metode gamification. Hasil pengujian yang diperoleh mengindikasikan bahwa responden tertarik untuk menggunakan e-commerce yang dilengkapi fitur gamifikasi
Penghitung Trafik Kendaraan Berbasis Object Recognition Studi Kasus Jalan Utama Universitas Tanjungpura
Get PDFPertumbuhan 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
Efektivitas Blended Learning Model Problem Based Learning dan Discovery pada Mata Kuliah Matematika Bisnis
Get PDFRendahnya pemahaman konsep Matematika menyebabkan peserta didik sulit untuk mendapat hasil belajar yang baik, diperlukan suatu model mengajar yang dapat meningkatkan peserta didik untuk dapat terlibat aktif dan berpikir kritis dalam pembelajaran. Tujuan dari penelitian ini untuk membandingkan efektivitas dua model pembelajaran yang melibatkan keaktifan dan berpikir kritis melalui pembelajaran blended learning yaitu model Problem Based Learning dan Discovery Learning. Melibatkan 2 kelas sebagai kelas kontrol dan eksperimen yang diambil secara acak, dengan instrument pretest postest sebanyak 10 soal dan analisis data uji multivariat menggunakan Hotelling’s Trace T2 dengan taraf signifikansi 5% diperoleh kesimpulan bahwa kedua populasi pada saat pretest mempunyai pemahaman konsep dan hasil belajar yang sama, perubahan terjadi ketika model PBL dan discovery learning diterapkan. Melalui uji rata-rata disimpulkan bahwa pembelajaran blended learning model PBL lebih baik diterapkan dibandingkan dengan discovery learning pada mata kuliah Matematika Bisnis