JEPIN (Jurnal Edukasi dan Penelitian Informatika)
Not a member yet
363 research outputs found
Sort by
Penerapan Convolutional Neural Network (CNN) dan Euclidean Distance Matrices (EDM) untuk Mengurangi False Positive pada Pengenalan Aktifitas Finger Point Call
Full text linkAktifitas finger point call (FPC) yang mengharuskan operator menunjuk (finger point) dan mengucapkan (call) sebelum menjalankan suatu proses, merupakan aktifitas yang umum diterapkan di industri manufaktur khususnya pada perusahaan Jepang. FPC terbukti efektif mengurangi human error, tetapi operator sering tidak konsisten dalam menerapkan FPC sehingga perlu sistem untuk mendeteksi aktifitas FPC sudah dilakukan dengan baik dan benar. Salah satu metode pengenalan aktifitas (activity recognition) yaitu menggunakan convolutional neural networks (CNN) untuk mengklasifikasikan aktifitas manusia. Namun, aktifitas FPC dinyatakan valid atau invalid setelah memastikan operator menunjuk dengan benar ke arah objek dan menunjuk ke arah referensi, sehingga harus dilakukan analisis pada beberapa frame video. Apabila hanya menggunakan CNN saja, akan menyebabkan tingkat false positive menjadi tinggi, karena CNN akan langsung melakukan analisis pada 1 frame video. Tujuan penelitian ini yaitu mengurangi false positive ketika mendeteksi aktifitas FPC dengan cara melakukan anlaisis lebih lanjut pada hasil deteksi menggunakan euclidean distance matrices (EDM). Hasil penelitian menunjukkan pada percobaan yang diperagakan oleh 1 orang: false positive berkurang hingga 100%, nilai Precision sebesar 1, dan nilai recall sebesar 0,96. Hasil ketika diperagakan oleh 10 orang: nilai Precision sebesar 0,9, dan nilai recall sebesar 0,9. lebih baik dibandingkan YOLOv7 versi original yang nilai Precisionnya hanya sebesar 0,5
Implementasi Pseudo Random Number Generator (PRNG) dengan Algoritma Linear Congruential Generator (LCG) pada Permainan Mengetik Bertema Candi Prambanan
Full text linkKomputer biasa digunakan untuk kebutuhan sehari-hari. apapun kebutuhan itu pastinya tidak luput dari kebutuhan akan mengetik maupun menekan tombol pada keyboard namun tidak semua orang mampu mengetik dengan cepat. Disaat bersamaan komputer juga digunakan sebagai sarana hiburan seperti bermain game akan tetapi ini menyebabkan hiburan lama seperti kisah rakyat menjadi ditinggalkan. Dikarenakan hal itu dibuatlah sebuah game mengetik bergenre typing game dengan latar belakang cerita rakyat berupa Candi Prambanan. Game akan dikembangkan menggunakan metode Game Development Life Cycle (GDLC) dan juga menggunakan algoritma Linear Congruential Generator (LCG) yang merupakan bagian dari Pseudo Random Number Generator (PRNG) pada permainannya. Hasil yang didapatkan dari penelitian ini adahal para pemain dapat dengan mudah mengerti kisah Candi Prambanan yang disampaikan saat memainkan game mengetik dengan genre typing game ini
Algoritma Penanganan Constraint pada Persoalan Penjadwalan Perkuliahan Universitas di Lingkungan Pendidikan Tinggi Keagamaan Islam (PTKI)
Full text linkPenjadwalan perkuliahan di universitas adalah kegitan rutin yang membutuhkan waktu relatif lama untuk menyelesaikannya jika dikerjakan secara manual. Waktu yang dibutuhkan akan semakin besar ketika semakin banyak constraint yang dipertimbangkan. Mekanisme penanganannya akan berbeda di tiap universitas karena mungkin mereka mempunyai constraint yang unik. Dalam paper ini dipaparkan berbagai algoritma penanganan untuk tiap jenis constraint dalam persoalan penjadwalan perkuliahan. Algoritma penjadwalan perkuliahan otomatis yang digunakan dalam penjadwalan otomatispenelitian ini adalah sequential search yang bekerja dengan cara mencari slot waktu yang masih belum dipergunakan untuk ditempati oleh kelas perkuliahan . Bila slot waktu telah dipergunakan maka sistem akan mencari slot waktu yang lain secara berurutan. Uji coba dilakukan di program studi Teknik Informatika UIN Malang pada semester Ganjil tahun akademik 2021/2022. Hasilnya menunjukkan bahwa dengan 10 constraint, sistem yang dibangun dapat menjadwalkan 190 kelas perkuliahan secara otomatis dan 21 kelas perkuliahan dijadwalkan secara interaktif. Dengan sistem yang diajukan maka seluruh kelas perkuliahan sebanyak 211 dapat terjadwal meskipun ada pelanggaran soft constraint oleh 17 kelas perkuliahan
Data preparation Structure untuk Pemodelan Prediktif Jumlah Peserta Ajar Matakuliah
Full text linkSalah satu cara yang dapat dilakukan untuk menciptakan proses pembelajaran efektif di kelas adalah dengan cara memprediksi jumlah mahasiswa yang akan mengambil suatu mata kuliah. Prediksi merupakan suatu proses analisis dengan memanfaatkan informasi atau data dimasa lalu untuk menghasilkan suatu perkiraan terhadap suatu kondisi yang akan terjadi di masa mendatang, Proses prediksi dapat dilakukan dengan berbagai teknik, salah satunya yaitu teknik data mining. Dalam melakukan suatu analisis prediksi, tahapan paling utama adalah melakukan persiapan data mentah menjadi data yang berkualitas serta memastikan bahwa data yang diberikan untuk proses seleksi dan transformasi telah bersih yang dikenal dengan data preparation (preparasi data). Tahapan yang dilakukan dalam melakukan preparasi data meliputi data selection (seleksi data), data pre-processing serta data cleaning yang terdiri dari penanganan missing data, penghapusan data duplicate dan feature construction. Skema data preparation diciptakan dan diimplementasikan dengan memanfaatkan Orange Data mining Tools. Hasil dari preparation data diimplementasikan dalam pemodelan analisa prediktif jumlah peserta ajar mata kuliah di Jurusan Informatika dengan menggunakan 4 (empat) algoritma data mining yaitu Naive Bayes, kNN, SVM, dan Neural Network dengan nilai Accuracy, Precision dan Recall cukup tinggi untuk setiap algoritma yang diujikan
Perbandingan QOS Dari Metode NTH ECMP dan PCC untuk Layanan Berbasis Konten
Full text linkTingginya kebutuhan resource untuk pengaksesan konten di internet sejalan dengan tingginya kebutuhan performa jaringan internet yang stabil dan efisien. Untuk menciptakan jaringan yang stabil dibutuhkan sebuah proses untuk meringankan beban jaringan. Load balancing merupakan sebuah metode yang dapat mendistribusikan beban jaringan ke dua koneksi internet atau lebih. Beban jaringan yang terdistribusi akan menciptakan kualitas jaringan yang optimal. Hal itu dipicu oleh throughput yang lebih baik dan response time yang lebih singkat. Selain itu, nilai dari parameter Quality of Service (QoS) dibutuhkan untuk menentukan seberapa baik kinerja jaringan tersebut, parameter delay, jitter, packet loss, dan throughput. Pada penelitian ini akan diimplementasikan tiga metode load balancing yaitu : ECMP, PCC, dan NTH. Metode yang direkomendasikan pada layanan publik adalah metode ECMP dan PCC, karena metode ECMP memiliki kualitas throughput yang baik yaitu 23.21% dan PCC memiliki kualitas delay yang baik yaitu 0.85 ms, lalu pada layanan gaming, metode yang direkomendasikan adalah metode NTH, karena memiliki hasil yang baik di setiap parameter, untuk throughput 6.52%, untuk nilai delay 0.70 ms, untuk nilai jitter 0.33 ms dan nilai packet loss sebesar 4.05%. Pada layanan streaming metode yang direkomendasikan adalah PCC dan NTH, PCC memiliki nilai rata – rata throughput yang baik, yaitu 26.6% sedangkan NTH memiliki rata – rata delay dan packet loss yang baik yaitu 0.88 ms dan 0.68 %
Analisa Pola Belanja Konsumen serta Prediksi Stok Barang Berbasis Web
Full text linkData mining merupakan teknik pengolahan data dalam jumlah besar menggunakan berbagai algoritma serta sistem untuk menghasilkan sebuah informasi yang berguna. Tujuan dari penelitian ini adalah untuk membuat sebuah sistem berbasis web dengan mengimplementasikan teknik data mining yang dapat digunakan dalam mempermudah melakukan asosiasi terhadap barang dan prediksi stok barang. Penelitian ini dilakukan dengan menggunakan dua metode asosiasi yaitu dengan algoritma FP-Growth dan apriori serta dua metode prediksi yaitu dengan algoritma regresi linier dan Support Vector Regression (SVR). Proses asosiasi dari 2658 data transaksi menggunakan metode FP-Growth dan apriori sama-sama menghasilkan jumlah aturan asosiasi berdasarkan nilai minimum support dan confidence yang sama. Proses prediksi 10 jenis barang menggunakan regresi linier dan SVR menghasilkan tingkat akurasi yang berbeda-beda tiap produknya sehingga metode dengan akurasi tertinggi dipilih pada setiap produk. Rata-rata tingkat kesalahan prediksi dengan MAPE dari 10 produk menggunakan metode regresi linear sebesar 12,09% sedangkan metode SVR sebesar 11,51%, sehingga metode SVR memiliki akurasi yang lebih baik untuk diterapkan pada Timbul Jaya Petshop. Hasil dari asosiasi dan prediksi dapat dimanfaatkan untuk merancang strategi bisnis kedepannya.
Sistem Pengendalian Manajemen Organisasi Mahasiswa (Ormawa) pada Perguruan Tinggi dengan Aplikasi Website
Full text linkOrganisasi mahasiswa (Ormawa) merupakan wadah pembinaan dan pengembangan minat serta bakat mahasiswa pada bidang seni, olahraga maupun bidang ilmiah. Universitas Hayam Wuruk (UHW) Perbanas sebagai salah satu institusi perguruan tinggi swasta di Surabaya memiliki 24 Unit Kegiatan Mahasiswa (UKM). Keseluruhan UKM tersebut tergabung dalam wadah Ormawa. Pengelolaan Ormawa pada perkembangannya memerlukan tata kelola. Penerapannya melalui pemeriksaan (audit) secara rutin dan khusus guna memastikan pelaksanaan program kerja dan pendanaan sesuai dengan standar mutu dan prosedur. Berdasarkan hal tersebut maka tujuan dari penelitian ini adalah merancang sistem informasi pemeriksaan internal berbasis situs web dengan model waterfall. Bahasa pemrograman menggunakan HTML 5, PHP 7 dan terintegrasi dengan aplikasi Ormawasite. Uji coba terhadap sistem telah dilakukan dengan metode black-box dan sistem telah berhasil menyimpan, memperbarui serta menghapus periode pemeriksaan awal maupun akhir, kertas kerja pemeriksaan, serta rubrik penilaian daftar tilik terhadap hasil pemeriksaan. Sistem pemeriksaan Ormawa dengan nama SIRAM dapat diimplementasikan pada periode pemeriksaan berikutnya sebagai penerapan pengendalian internal perguruan tinggi secara efektif dan efisien
Implementasi IPFS untuk Mengurangi Gas Fee Smart Contract Ethereum pada Aplikasi Penggalangan Dana
Full text linkBlockchain merupakan teknologi buku besar yang bersifat decentralized. Blockchain memiliki protokol consensus sebagai kesepakatan bersama dalam pengelolaan basis data. Contoh penerapan blockchain yaitu ethereum. Kelebihan ethereum yaitu dapat menjalankan program atau aturan yang disebut sebagai smart contract. Proses perubahan data pada ethereum memerlukan biaya transaksi atau gas fee. Nilai gas fee ini fluktuatif menyesuaikan gas fee terendah saat ini, kepadatan jaringan dan kompleksitas transaksi. Smart contract ethereum tidak efisien untuk menyimpan data yang berukuran besar karena semakin besar data yang disimpan maka semakin kompleks transaksi yang perlu dilakukan. Untuk meningkatkan efisiensi gas fee smart contract maka dilakukan sebuah penelitian dengan menerapkan InterPlanetary File System (IPFS). Teknik yang digunakan yaitu mengkombinasikan teknologi IPFS dengan smart contract ethereum untuk mengurangi kompleksitas transaksi ketika proses penyimpanan data penggalangan dana ke smart contract ethereum. Penerapan IPFS pada aplikasi penggalangan dana membutuhkan gas fee 0,00311847-0,003379868 ETH dengan kecepatan transaksi 12-36 detik. Berdasarkan pengujian sebanyak 40 kali dengan data yang berbeda, penerapan IPFS dapat menurunkan gas fee dengan rata-rata hingga 94,39% dan kecepatan transaksi sistem yang menerapkan IPFS lebih besar 13,55% dari sistem yang tidak menerapkan IPFS
Analisis Perbandingan Multiple Regression dan Priority Quadrant terhadap Kepuasan Mahasiswa dalam E-learning Menggunakan Metode Servqual
Full text linkMetode pembelajaran e-learning telah lama dikenal dalam pembelajaran jarak jauh dan semakin meluas penggunaannya dikala pandemi terjadi. Metode ini seringkali dikeluhkan oleh pelajar yang terbiasa belajar dengan metode tatap muka sebagai penyebab rendahnya hasil belajar. Oleh karena itu dalam metode e-learning diperlukan persiapan sarana dan prasarananya agar kepuasan pelajar meningkat. Tujuan penelitian ini adalah untuk mengukur tingkat kepuasan mahasiswa dan mengetahui pengaruh secara parsial dan simultan service equal terhadap kepuasan mahasiswa pada metode e-learning. Subjek penelitian ini adalah mahasiswa di 3 (tiga) prodi jurusan Ekonomi sebanyak 100 orang dan sedang melaksanakan pembelajaran e-learning mata kuliah Matematika Bisnis, metode yang digunakan adalah dengan menggunakan observasi, studi literatur terkait service quality mengenai e-learning quality (ELQ) serta variabel kepuasan melalui penelitian-penelitian terdahulu, dan (3) kuesioner. Analisis data dilakukan dengan menggunakan multiple regression dan priority quadrant. Berdasarkan analisis data diperoleh kesimpulan (1) secara parsial variabel reliability merupakan variabel yang paling besar pengaruhnya, sedangkan variabel assurance merupakan variabel yang paling kecil pengaruhnya terhadap kepuasan mahasiswa, (2) variabel tangible tidak berpengaruh terhadap kepuasan, akan tetapi secara simultan 5 (lima) faktor dalam service quality berpengaruh positif terhadap kepuasan mahasiswa, dan (3) atribut yang menjadiprioritas perbaikan adalah atributketepatan waktu mengajar(A3) danpengajar memberikan penjelasan (pedoman/instruksi) pada materi belajar maupun penggunaan platform e-learning(A6)
Interpretasi Sesar Geologi Menggunakan Deep Learning: Convolutional Neural Network (CNN) dengan Model Arsitektur U-Net di Laut Utara, Belanda
Full text linkTujuan mendasar dalam mempelajari struktur geologi dibawah permukaan adalah bagaimana fitur-fitur geologi dapat tercitrakan dengan baik dengan resolusi tinggi dengan menggunakan metode geofisika dan metode lain di bidang ilmu geosains. Salah satu fitur geologi yang penting dalam bidang eksplorasi dan mitigasi bencana geologi adalah sesar atau patahan. Sesar atau patahan adalah bidang yang memisahkan lapisan batuan secara vertikal atau sub-vertikal yang mengakibatkan diskontinuitas pada lapisan batuan. Dalam pengamatan citra bawah permukaan menggunakan seismik refleksi, diberikan citra gambaran batas antar lapisan dua buah lapisan batuan dan patahan sebagai bidang ketidakmenerusan. Pada penelitian ini, penulis telah mengaplikasikan metode kecerdasan buatan dengan menggunakan Convolutional Neural Network (CNN) dalam membantu interpretasi bidang sesar yang biasanya dilakukan secara konvensional. Penelitian ini bertujuan untuk menerapkan metode CNN pada data seismik di sekitar Laut Utara, Belanda, untuk membantu mempercepat tahapan interpretasi dengan akurasi yang baik. Pada penelitian ini, tahapan-tahapan penelitian dilakukan dengan tahapan Extract, Transform, Load (ETL) proses, train data dan model arsitektur deep learning U-Net. Hasil dari penelitian ini menunjukkan bahwa prediksi menggunakan machine learning memberikan hasil yang bersesuaian dengan pendekatan secara konvensional, dimana akurasi sekitar 90% data yang bersesuaian terutama pada bidang-bedang sesar yang dominan, baik secara dimensi yang panjang maupun zona rekahan yang kompleks. Dengan menerapkan metode CNN pada data seismik, diharapkan perkembangan kecerdasan buatan dalam bidang geosains dapat semakin positif bagian kemajuan IPTEK di Indonesia